Elasticsearch7.9.2中文分词器-IK分词器使用

elasticsearch安装及使用可参考博文：Elasticsearch7.9.2+Kibana7.9.2安装使用
elasticsearch默认提供了standard分词器，但对中文的分词效果不尽人意：

可以看出，把词语分成了一个个的汉字，这并不是我们想要的，接下来介绍下中文分词器-IK分词器的安装及使用。

1、IK分词器下载及安装

github: https://github.com/medcl/elasticsearch-analysis-ik

各版本分词器下载： https://github.com/medcl/elasticsearch-analysis-ik/releases

选择版本与elasticsearch一致的版本：7.9.2

下载后解压，将解压后的文件夹elasticsearch-analysis-ik-7.9.2 拷贝至 elasticsearch的plugins文件下：

然后重启elasticsearch，控制台有如下输出：

2、使用IK分词器测试分词

IK分词器有两种分词模式：ik_smart 和 ik_max_word 模式。

2.1、ik_smart

会做最粗粒度的拆分，比如会将“中华人民共和国”拆分为中华人民共和国。

使用Kibana开发工具，输入如下请求：

POST _analyze
{
  "analyzer": "ik_smart",
  "text":"中华人民共和国"
}

2.2、ik_max_word

会将文本做最细粒度的拆分，比如会将“中华人民共和国人民大会堂”拆分为“中华人民共和国、中华人民、中华、华人、人民共和国、人民、共和国等词语。

请求如下：

POST _analyze
{
  "analyzer": "ik_max_word",
  "text":"中华人民共和国"
}

3、扩展词典

在 elasticsearch-analysis-ik-7.9.2 文件夹 conf 目录下，找到 IKAnalyzer.cfg.xml 配置文件，

文件内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
	<comment>IK Analyzer 扩展配置</comment>
	<!--用户可以在这里配置自己的扩展字典 -->
	<entry key="ext_dict">custom.dic</entry>
	 <!--用户可以在这里配置自己的扩展停止词字典-->
	<entry key="ext_stopwords"></entry>
	<!--用户可以在这里配置远程扩展字典 -->
	<!-- <entry key="remote_ext_dict">words_location</entry> -->
	<!--用户可以在这里配置远程扩展停止词字典-->
	<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

其中custom.dic为自定义的扩展字典，7.9.2版本的分词器插件中没有该文件，需要自己新建，
内容可以根据自己需要，自定义分词的文字。
保存后重启elasticsearch即可看到自己想要的分词效果。