ElasticSearch分词

一、简介

一个tokenizer分词器接收一个字符流，将之分割为独立的tokens（词元，通常是独立的单词），然后输出tokens流。
该分词器还负责记录各个term（词条）的顺序或position位置（用于phrase短语和word proximity词近邻查询），以及term词条所代表的原始word（单词）的start起始和end结束的character offsets字符偏移量（用于高亮显示搜索的内容）。
ElasticSearch提供了很多内置的分词器，可以用来构建custom analyzers(自定义分词器)。

使用

POST /_analyze
{
  "analyzer": "standard",
  "text": "hello world"
}

注意

由于官网提供的分词器都是针对英文，中文分词都是逐字区分。所以需要按照ik分词器，用于解决中文分词。

二、安装ik分词器

准备zip

github外网访问慢，可以从码云下载。
https://gitee.com/mirrors/elasticsearch-analysis-ik/releases

解压

unzip 压缩包

上传

上传到虚拟机挂载目录下即可/mydata/elasticsearch/plugins

确认

elasticsearch-plugin list 列出系统的分词器