前言
在数据的世界里，搜索就像是一位智慧的导航员，它能够帮助我们在海量信息中找到需要的答案。而Elasticsearch，就像是这位导航员的得力助手，它通过强大的文本处理能力，为我们提供了一个高效的搜索引擎。而IK分词器，则是Elasticsearch中的一枚利器，它能够帮助我们实现中文文本的精确分词和搜索。今天，就让我们一起来揭开IK分词器的神秘面纱，探索它在Elasticsearch中的魔法般变身吧！
IK分词器简介
IK 分词器是一个针对中文文本的开源分词器，特别适用于中文搜索引擎和文本分析领域。它的作用是将中文文本按照一定的规则进行切分，将连续的字符序列划分为具有语义的词语，从而实现中文文本的分词处理。
重要性：
- 中文分词的基础工具： 在中文文本处理领域，分词是非常基础且重要的工作。IK 分词器提供了一个高效准确的分词工具，为中文文本的处理提供了基础支持。
- 提高搜索效果： 在搜索引擎等应用中，分词的质量直接影响搜索结果的准确性和用户体验。使用 IK 分词器可以提高搜索引擎的检索效果，使用户能够更快速准确地找到所需信息。
- 支持领域专业词汇： IK 分词器支持用户自定义词典，可以灵活地增加领域专业词汇，提高分词的准确性和适用性。
与其他分词器的区别：
- 精准度和速度： IK 分词器在中文文本处理领域具有较高的精准度和速度，能够快速准确地进行分词处理。
- 自定义词典支持： IK 分词器支持用户自定义词典，可以灵活增加领域专业词汇，提高分词效果。一些其他分词器也支持自定义词典，但不是所有分词器都具备这个功能。
- 开源社区支持： IK 分词器是一个开源项目，有着活跃的开发社区和用户社区，可以获得丰富的技术支持和资源共享。
IK分词器原理
IK 分词器的分词原理基于中文文本的规则和词典匹配，主要包括正向最大匹配和逆向最大匹配两种算法。以下是 IK 分词器的基本工作流程：
- 正向最大匹配（Forward Maximum Matching）：
- 正向最大匹配从文本的开头开始，按照最大匹配的原则进行切分。即从当前位置开始，选择最长的词语进行匹配，并将匹配成功的词语作为分词结果。
- 此过程会在词典中查找匹配的词语，如果找到匹配的词语，则将其作为分词结果；如果没有找到匹配的词语，则缩小匹配窗口，继续查找下一个最长的词语。
- 分词过程会重复执行，直到处理完整个文本。
- 逆向最大匹配（Reverse Maximum Matching）：
- 逆向最大匹配从文本的末尾开始，按照最大匹配的原则进行切分。即从当前位置开始，选择最长的词语进行匹配，并将匹配成功的词语作为分词结果。
- 此过程同样会在词典中查找匹配的词语，如果找到匹配的词语，则将其作为分词结果；如果没有找到匹配的词语，则缩小匹配窗口，继续查找下一个最长的词语。
- 分词过程会重复执行，直到处理完整个文本。
- 合并分词结果：
- 正向最大匹配和逆向最大匹配得到的分词结果可能不同，因此需要进行合并。
- 通常情况下，可以选择分词结果中词数较少的作为最终结果，或者根据一定的评分算法来选择最合适的分词结果。
- 处理未登录词：
- IK 分词器支持用户自定义词典，用户可以添加自己的词汇到词典中。当分词器无法识别某些词语时，会尝试在用户词典中查找匹配的词汇。
总体而言，IK 分词器通过正向最大匹配和逆向最大匹配两种算法来切分中文文本，并结合用户自定义词典进行分词处理，从而实现对中文文本的准确分词。
创建索引和配置IK分词器
在 Elasticsearch 中创建索引并配置 IK 分词器，可以通过以下步骤完成：
- 创建索引： 首先，在 Elasticsearch 中创建一个新的索引，可以使用 Elasticsearch 的 REST API 或者 Kibana 工具进行操作。
- 配置 IK 分词器： 针对需要进行中文分词的字段，配置相应的 IK 分词器。
下面是一个示例，演示如何使用 Elasticsearch 的 REST API 在创建索引时配置 IK 分词器：
PUT /my_index { "settings": { "analysis": { "analyzer": { "my_analyzer": { "tokenizer": "ik_max_word", // 使用 IK 分词器 ik_max_word "filter": ["my_synonym_filter"] // 可选：添加同义词过滤器 } }, "filter": { "my_synonym_filter": { "type": "synonym", "synonyms_path": "analysis/synonyms.txt" // 同义词文件路径 } } } }, "mappings": { "properties": { "content": { "type": "text", "analyzer": "my_analyzer" // 使用自定义的 IK 分词器 } } } }
在上面的示例中：
- 创建了一个名为
my_index的索引。 - 在索引的设置中，定义了一个名为
my_analyzer的分析器，使用 IK 分词器ik_max_word进行分词，并且可以选择添加同义词过滤器。 - 创建了一个
content字段，并将其配置为使用自定义的 IK 分词器my_analyzer进行分词。
常见的 IK 分词器配置示例包括：
ik_max_word：最大化地切分词语，适合搜索应用。ik_smart：精准地切分词语，适合索引和分析应用。
根据实际需求，可以选择合适的 IK 分词器进行配置，并根据需要添加额外的分词器设置，如同义词过滤器等。
实战(docker搭建的Es)
下载ik插件
docker搭建的Es如果下载ik分词器插件可以执行以下命令,下面的版本要选择你的es版本
docker exec -it your_elasticsearch_container_name /bin/bash -c "elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.16.3/elasticsearch-analysis-ik-7.16.3.zip"
创建一个ik分词器的索引
curl -XPUT "http://localhost:9200/acowbo_new" -H 'Content-Type: application/json' -d ' { "settings": { "analysis": { "analyzer": { "my_analyzer": { "type": "custom", "tokenizer": "standard", "filter": ["lowercase"] }, "ik_analyzer": { "type": "custom", "tokenizer": "ik_smart" } } } }, "mappings": { "properties": { "id": { "type": "keyword" }, "searchKey": { "type": "text", "analyzer": "ik_analyzer" }, "searchValue": { "type": "text", "analyzer": "ik_analyzer" }, "typeName": { "type": "text", "analyzer": "my_analyzer" } } } }'
如果希望将原来的索引覆盖
重新索引数据
curl -XPOST "http://localhost:9200/_reindex" -H 'Content-Type: application/json' -d ' { "source": { "index": "acowbo" }, "dest": { "index": "acowbo_new" } }'
删除旧索引重新命名新索引
curl -XDELETE "http://localhost:9200/acowbo" curl -XPOST "http://localhost:9200/acowbo_new/_alias/acowbo"
报错解决
- Can’t update non dynamic settings [[index.analysis.analyzer.my_analyzer.type, index.analysis.analyzer.my_analyzer.filter, index.analysis.analyzer.ik_analyzer.tokenizer, index.analysis.analyzer.my_analyzer.tokenizer, index.analysis.analyzer.ik_analyzer.type]] for open indices
Elasticsearch不允许直接更新这些非动态设置。 curl -XPOST "http://localhost:9200/acowbo/_close"
