本文提綱

一、什么是 Elasticsearch-analysis-ik

二、默認配置 IK

三、使用 AnalyzeRequestBuilder 獲取分詞結(jié)果

四、小結(jié)

前言

在 《Elasticsearch 和插件 elasticsearch-head 安裝詳解》 文章中，我使用的是 Elasticsearch 5.3.x。這里我改成了 ElasticSearch 2.3.2。是因為版本對應(yīng)關(guān)系 https://github.com/spring-projects/spring-data-elasticsearch/wiki/Spring-Data-Elasticsearch---Spring-Boot---version-matrix：

Spring Boot Version (x) Spring Data Elasticsearch Version (y) Elasticsearch Version (z)  
x <= 1.3.5 y <= 1.3.4 z <= 1.7.2*  
x >= 1.4.x 2.0.0 <=y < 5.0.0** 2.0.0 <= z < 5.0.0** 

* - 只需要你修改下對應(yīng)的 pom 文件版本號

** - 下一個 ES 的版本會有重大的更新

這里可以看出，5.3.x 不在第二行范圍內(nèi)。因此這里我講下，如何在 ElasticSearch 2.3.2 中默認配置 IK。

一、什么是 Elasticsearch-analysis-ik

了解什么是 Elasticsearch-analysis-ik，首先了解什么是 IK Analyzer。 IK Analyzer 是基于 lucene 實現(xiàn)的分詞開源框架。官方地址：https://code.google.com/p/ik-analyzer/ 。

Elasticsearch-analysis-ik 則是將 IK Analyzer 集成 Elasticsearch 的插件，并支持自定義詞典。GitHub 地址：https://github.com/medcl/elasticsearch-analysis-ik。特性支持：

分析器 Analyzer: ik_smart 或 ik_max_word

分詞器 Tokenizer: ik_smart 或 ik_max_word

二、默認配置 IK

在 Elasticsearch-analysis-ik 官網(wǎng)中可以看到，其中版本需要對應(yīng)：

IK版    ES版本 
主 5.x -> master 
5.3.2    5.3.2 
5.2.2    5.2.2 
5.1.2    5.1.2 
1.10.1    2.4.1 
1.9.5    2.3.5 
1.8.1    2.2.1 
1.7.0    2.1.1 
1.5.0    2.0.0 
1.2.6    1.0.0 
1.2.5    0.90.x 
1.1.3    0.20.x 
1.0.0    0.16.2 -> 0.19.0 

這里使用的是 Elasticsearch-analysis-ik 1.9.2，支持 ElasticSearch 2.3.2。下載地址：https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v1.9.2/elasticsearch-analysis-ik-1.9.2.zip，下載成功后進行安裝。

解壓 zip 文件，復(fù)制里面的內(nèi)容到 elasticsearch-2.3.2/plugins/ik。

cd  elasticsearch-2.3.2/plugins 
mkdir ik 
cp ... 

在 elasticsearch-2.3.2/config/elasticsearch.yml 增加配置：

index.analysis.analyzer.default.tokenizer : "ik_max_word"  
index.analysis.analyzer.default.type: "ik" 

配置默認分詞器為 ik，并指定分詞器為 ik_max_word。

然后重啟 ES 即可。驗證 IK 是否成功安裝，訪問下

localhost:9200/_analyze?analyzer=ik&pretty=true&text=泥瓦匠的博客是bysocket.com

可以得到下面的結(jié)果集：

{ 
    "tokens": [ 
        { 
            "token": "泥瓦匠", 
            "start_offset": 0, 
            "end_offset": 3, 
            "type": "CN_WORD", 
            "position": 0 
        }, 
        { 
            "token": "泥", 
            "start_offset": 0, 
            "end_offset": 1, 
            "type": "CN_WORD", 
            "position": 1 
        }, 
        { 
            "token": "瓦匠", 
            "start_offset": 1, 
            "end_offset": 3, 
            "type": "CN_WORD", 
            "position": 2 
        }, 
        { 
            "token": "匠", 
            "start_offset": 2, 
            "end_offset": 3, 
            "type": "CN_WORD", 
            "position": 3 
        }, 
        { 
            "token": "博客", 
            "start_offset": 4, 
            "end_offset": 6, 
            "type": "CN_WORD", 
            "position": 4 
        }, 
        { 
            "token": "bysocket.com", 
            "start_offset": 8, 
            "end_offset": 20, 
            "type": "LETTER", 
            "position": 5 
        }, 
        { 
            "token": "bysocket", 
            "start_offset": 8, 
            "end_offset": 16, 
            "type": "ENGLISH", 
            "position": 6 
        }, 
        { 
            "token": "com", 
            "start_offset": 17, 
            "end_offset": 20, 
            "type": "ENGLISH", 
            "position": 7 
        } 
    ] 
} 

記得在Docker 容器安裝時，需要對應(yīng)的端口開發(fā)。

三、使用 AnalyzeRequestBuilder 獲取分詞結(jié)果

ES 中默認配置 IK 后，通過 Rest HTTP 的方式我們可以進行得到分詞結(jié)果。那么在 Spring Boot 和提供的客戶端依賴 spring-data-elasticsearch 中如何獲取到分詞結(jié)果。

加入依賴 pom.xml

<!-- Spring Boot Elasticsearch 依賴 --> 
        <dependency> 
            <groupId>org.springframework.boot</groupId> 
            <artifactId>spring-boot-starter-data-elasticsearch</artifactId> 
        </dependency> 

在 application.properties 配置 ES 的地址：

# ES 
spring.data.elasticsearch.repositories.enabled = true 
spring.data.elasticsearch.cluster-nodes = 127.0.0.1:9300 

然后創(chuàng)建一個方法，入?yún)⑹撬阉髟~，返回的是分詞結(jié)果列表。

@Autowired 
   private ElasticsearchTemplate elasticsearchTemplate; 
   /** 
    * 調(diào)用 ES 獲取 IK 分詞后結(jié)果 
    * 
    * @param searchContent 
    * @return 
    */ 
   private List<String> getIkAnalyzeSearchTerms(String searchContent) { 
       // 調(diào)用 IK 分詞分詞 
       AnalyzeRequestBuilder ikRequest = new AnalyzeRequestBuilder(elasticsearchTemplate.getClient(), 
               AnalyzeAction.INSTANCE,"indexName",searchContent); 
       ikRequest.setTokenizer("ik"); 
       List<AnalyzeResponse.AnalyzeToken> ikTokenList = ikRequest.execute().actionGet().getTokens(); 
       // 循環(huán)賦值 
       List<String> searchTermList = new ArrayList<>(); 
       ikTokenList.forEach(ikToken -> { searchTermList.add(ikToken.getTerm()); }); 
       return searchTermList; 
   } 

indexName 這里是指在 ES 設(shè)置的索引名稱。

從容器注入的 ElasticsearchTemplate Bean 中獲取 Client ，再通過 AnalyzeRequestBuilder 分析請求類型中進行分詞并獲取分詞結(jié)果 AnalyzeResponse.AnalyzeToken 列表。

四、小結(jié)

默認配置了 IK 分詞器，則 DSL 去 ES 查詢時會自動調(diào)用 IK 分詞。

如果想要自定義詞庫，比如比較偏的領(lǐng)域性。

【本文為51CTO專欄作者“李強強”的原創(chuàng)稿件，轉(zhuǎn)載請通過51CTO聯(lián)系作者獲取授權(quán)】

戳這里，看該作者更多好文