一、前言
ES文档的数据拆分成一个个有完整含义的关键词，并将关键词与文档对应，这样就可以通过关键词查询文档。要想正确地分词，需要选择合适的分词器。
现在咱们来探索一下分词器的真实面目!
二、默认分词器
standard analyzer：Elasticsearch默认分词器，根据空格和标点
符号对英文进行分词，会进行单词的大小写转换。
默认分词器是英文分词器，对中文的分词是一字一词。
三、IK分词器
IK分词器，全名IKAnalyzer，是一个开源的，基于Java语言开发的轻量级中文分词工具包。
1.主要算法
支持对中文进行分词，提供了两种分词算法
ik_smart：最少切分
ik_max_word：最细粒度划分
2.安装IK分词器
2.1 关闭es服务
2.2 上传ik分词器到虚拟机
tips: ik分词器的版本要和es版本保持一致
2.3 解压
解压ik分词器到elasticsearch的plugins目录下
unzip elasticsearch-analysis-ik-7.17.0.zip -d /usr/local/elasticsearch1/plugins/analysis-ik
2.4 启动ES服务
su es #进入ES安装文件夹： cd /usr/local/elasticsearch1/bin/ #启动ES服务： ./elasticsearch -d
2.5 测试分词器效果
#算法1 GET /_analyze { "text":"测试语句", "analyzer":"ik_smart" } eg: GET /_analyze { "text": "我爱美羊羊", "analyzer": "ik_smart" }
#算法2 GET /_analyze { "text":"测试语句", "analyzer":"ik_max_word" } eg: GET /_analyze { "text": "我爱美羊羊", "analyzer": "ik_max_word" }
2.6 IK分词器词典
IK分词器根据词典进行分词，词典文件在IK分词器的config目录中。
- main.dic：IK中内置的词典。记录了IK统计的所有中文单词。
- IKAnalyzer.cfg.xml：用于配置自定义词库。
四、拼音分词器
拼音分词器可以将中文分成对应的全拼，全拼首字母等。
1.安装
和ik分词器安装一样，也是先将es服务关闭，将拼音分词器上传至虚拟机，并且分词器版本需要和es版本一致（参考ik分词器安装）
2.测试分词效果
GET /_analyze { "text":测试语句, "analyzer":pinyin } eg: GET /_analyze { "text": "xi yang yang", "analyzer": "pinyin" }
五、自定义分词器
前面两种分词器，各有优点，但是他们的功能确实不够完备，比如使用ik分词器可以对中文进行分词，但是却不能对拼音分词；所以在现实开发中，我们一般使用自定义分词器进行分词，这样既可以对文字分词，也可以对拼音分词，现在咱们来研究一下如何写一个ik+pinyin分词器。
1.创建自定义分词器
PUT /索引名 { "settings" : { "analysis" : { "analyzer" : { "ik_pinyin" : { //自定义分词器名 "tokenizer":"ik_max_word", // 基本分词器 "filter":"pinyin_filter" // 配置分词器过滤 } }, "filter" : { // 分词器过滤时配置另一个分词器，相当于同时使用两个分词器 "pinyin_filter" : { "type" : "pinyin", // 另一个分词器 // 拼音分词器的配置 "keep_separate_first_letter" : false, // 是否分词每个字的首字母 "keep_full_pinyin" : true, // 是否分词全拼 "keep_original" : true, // 是否保留原始输入 "remove_duplicated_term" : true // 是否删除重复项 } } } }, "mappings":{ "properties":{ "域名1":{ "type":域的类型, "store":是否单独存储, "index":是否创建索引, "analyzer":分词器 }, "域名2":{ ... } } } } eg: PUT /student2 { "settings": { "analysis": { "analyzer": { "ik_pinyin":{ "tokenizer":"ik_max_word", "filter":"pinyin_filter" } }, "filter": { "pinyin_filter":{ "type":"pinyin", "keep_separate_first_letter" : false, "keep_full_pinyin" : true, "keep_original" : true, "remove_duplicated_term" : true } } } }, "mappings": { "properties": { "name":{ "type": "text", "store": true, "index": true, "analyzer": "ik_pinyin" }, "age":{ "type": "integer" } } } }
2.测试
GET /student2/_analyze { "text": "程序员", "analyzer": "ik_pinyin" }
