Elasticsearch+IK+pinyin自定义分词器

本文涉及的产品
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
简介: Elasticsearch+IK+pinyin自定义分词器

本文环境

elasticsearch 7.4.0

ik 7.4.0

pinyin 7.4.0

安装ik分词器

IK分词器链接

  • 下载 elasticsearch-analysis-ik-7.4.0.zip
  • 在es对应的plugins文件夹下面新建ik文件夹
  • 解压zip到ik文件夹 unzip elasticsearch-analysis-ik-7.4.0.zip -d plugins/ik

安装pinyin分词器

拼音分词器链接

  • 下载 elasticsearch-analysis-pinyin-7.4.0.zip
  • 在es对应的plugins中新建pinyin文件夹
  • 解压压缩包到pinyin文件夹 unzip elasticsearch-analysis-pinyin-7.4.0.zip -d plugins/pinyin

本demo搭建脚本参考

如果启动不成功,修改es映射文件夹路径配置,保留一个plugins的映射即可,本地的plugins里面包含上面解压的两个分词器

version: '2.2'
services:
  cerebro:
    image: lmenezes/cerebro:0.8.3
    container_name: cerebro
    ports:
     - "9000:9000"
    command:
     - -Dhosts.0.host=http://elasticsearch:9200
    networks:
     - es74net
  kibana:
    image: docker.elastic.co/kibana/kibana:7.4.0
    container_name: kibana74
    environment:
      - I18N_LOCALE=zh-CN
      - XPACK_GRAPH_ENABLED=true
      - TIMELION_ENABLED=true
      - XPACK_MONITORING_COLLECTION_ENABLED="true"
    ports:
      - "5601:5601"
    networks:
      - es74net
  elasticsearch:
    image: elasticsearch:7.4.0
    container_name: es74
    environment:
      - cluster.name=docker-cluster
      - node.name=es74
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
      - discovery.seed_hosts=es74
      - cluster.initial_master_nodes=es74
      - path.repo=['my_backup_location']
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - es74data1:/usr/share/elasticsearch/data
      - my_backup_locaton:/usr/share/elasticsearch/my_backup_location
      - ./plugins:/usr/share/elasticsearch/plugins
    ports:
      - 9200:9200
      - 9300:9300
    networks:
      - es74net
volumes:
  es74data1:
    driver: local
  my_backup_locaton:
    driver: local
networks:
  es74net:
    driver: bridge

创建分词器配置

PUT index
{
    "settings" : {
        "analysis" : {
            "analyzer" : {
                "ik_smart_pinyin" : {
                    "tokenizer" : "ik_smart",
                    "filter" : "pinyin_first_letter_and_full_pinyin_filter"
                },
                "ik_max_pinyin" : {
                    "tokenizer" : "ik_max_word",
                    "filter" : "pinyin_first_letter_and_full_pinyin_filter"
                }
            },
            "filter" : {
                "pinyin_first_letter_and_full_pinyin_filter" : {
                    "type" : "pinyin",
                    "keep_separate_first_letter" : false,
                    "keep_full_pinyin" : true,
                    "keep_original" : true,
                    "limit_first_letter_length" : 16,
                    "lowercase" : true,
                    "remove_duplicated_term" : true
                }
            }
        }
    }
}
  • curl 命令
curl -XPUT "http://elasticsearch:9200/index" -H 'Content-Type: application/json' -d'{    "settings" : {        "analysis" : {            "analyzer" : {                "ik_smart_pinyin" : {                    "tokenizer" : "ik_smart",                    "filter" : "pinyin_first_letter_and_full_pinyin_filter"                },                "ik_max_pinyin" : {                    "tokenizer" : "ik_max_word",                    "filter" : "pinyin_first_letter_and_full_pinyin_filter"                }            },            "filter" : {                "pinyin_first_letter_and_full_pinyin_filter" : {                    "type" : "pinyin",                    "keep_separate_first_letter" : false,                    "keep_full_pinyin" : true,                    "keep_original" : true,                    "limit_first_letter_length" : 16,                    "lowercase" : true,                    "remove_duplicated_term" : true                }            }        }    }}'

添加mappings

PUT index/_mapping/
{
  "properties": {
    "content": {
      "type": "text",
      "analyzer": "ik_smart_pinyin"
    }
  }
}
  • curl 命令
curl -XPUT "http://elasticsearch:9200/index/_mapping/" -H 'Content-Type: application/json' -d'{  "properties": {    "content": {      "type": "text",      "analyzer": "ik_smart_pinyin"    }  }}'

添加测试数据

POST /index/_create/1
{"content":"我是刘德华"}
POST /index/_create/2
{"content":"我是郭富城"}
POST /index/_create/3
{"content":"我是明星"}
POST /index/_create/4
{"content":"我是林晨"}
  • curl 命令
curl -XPOST "http://elasticsearch:9200/index/_create/1" -H 'Content-Type: application/json' -d'{"content":"我是刘德华"}'

搜索测试

此时使用汉字的拼音,首字母,汉字皆可检索到

GET index/_search
{
    "query": {
        "bool": {
            "must": [
                {
                    "match": {
                        "content": "liu"
                    }
                }
            ],
            "must_not": [],
            "should": []
        }
    },
    "from": 0,
    "size": 10,
    "sort": [],
    "aggs": {}
}
  • curl 命令
curl -XGET "http://elasticsearch:9200/index/_search" -H 'Content-Type: application/json' -d'{    "query": {        "bool": {            "must": [                {                    "match": {                        "content": "w"                    }                }            ],            "must_not": [],            "should": []        }    },    "from": 0,    "size": 10,    "sort": [],    "aggs": {}}'

测试分词

POST index/_analyze
 
{
 
"analyzer":"ik_smart_pinyin",
 
"text":"我是Java程序员,我很牛逼" 
 
}
  • 结果展示


相关实践学习
使用阿里云Elasticsearch体验信息检索加速
通过创建登录阿里云Elasticsearch集群,使用DataWorks将MySQL数据同步至Elasticsearch,体验多条件检索效果,简单展示数据同步和信息检索加速的过程和操作。
ElasticSearch 入门精讲
ElasticSearch是一个开源的、基于Lucene的、分布式、高扩展、高实时的搜索与数据分析引擎。根据DB-Engines的排名显示,Elasticsearch是最受欢迎的企业搜索引擎,其次是Apache Solr(也是基于Lucene)。 ElasticSearch的实现原理主要分为以下几个步骤: 用户将数据提交到Elastic Search 数据库中 通过分词控制器去将对应的语句分词,将其权重和分词结果一并存入数据 当用户搜索数据时候,再根据权重将结果排名、打分 将返回结果呈现给用户 Elasticsearch可以用于搜索各种文档。它提供可扩展的搜索,具有接近实时的搜索,并支持多租户。
目录
相关文章
|
29天前
|
自然语言处理 大数据 应用服务中间件
大数据-172 Elasticsearch 索引操作 与 IK 分词器 自定义停用词 Nginx 服务
大数据-172 Elasticsearch 索引操作 与 IK 分词器 自定义停用词 Nginx 服务
50 5
|
27天前
|
自然语言处理 Java 网络架构
elasticsearch学习三:elasticsearch-ik分词器的自定义配置 分词内容
这篇文章是关于如何自定义Elasticsearch的ik分词器配置以满足特定的中文分词需求。
108 0
elasticsearch学习三:elasticsearch-ik分词器的自定义配置 分词内容
|
10天前
|
测试技术 API 开发工具
ElasticSearch的IK分词器
ElasticSearch的IK分词器
32 7
|
27天前
|
存储 JSON Java
elasticsearch学习一:了解 ES,版本之间的对应。安装elasticsearch,kibana,head插件、elasticsearch-ik分词器。
这篇文章是关于Elasticsearch的学习指南,包括了解Elasticsearch、版本对应、安装运行Elasticsearch和Kibana、安装head插件和elasticsearch-ik分词器的步骤。
92 0
elasticsearch学习一:了解 ES,版本之间的对应。安装elasticsearch,kibana,head插件、elasticsearch-ik分词器。
|
2月前
|
NoSQL 关系型数据库 Redis
mall在linux环境下的部署(基于Docker容器),Docker安装mysql、redis、nginx、rabbitmq、elasticsearch、logstash、kibana、mongo
mall在linux环境下的部署(基于Docker容器),docker安装mysql、redis、nginx、rabbitmq、elasticsearch、logstash、kibana、mongodb、minio详细教程,拉取镜像、运行容器
mall在linux环境下的部署(基于Docker容器),Docker安装mysql、redis、nginx、rabbitmq、elasticsearch、logstash、kibana、mongo
|
3月前
|
数据可视化 Docker 容器
一文教会你如何通过Docker安装elasticsearch和kibana 【详细过程+图解】
这篇文章提供了通过Docker安装Elasticsearch和Kibana的详细过程和图解,包括下载镜像、创建和启动容器、处理可能遇到的启动失败情况(如权限不足和配置文件错误)、测试Elasticsearch和Kibana的连接,以及解决空间不足的问题。文章还特别指出了配置文件中空格的重要性以及环境变量中字母大小写的问题。
一文教会你如何通过Docker安装elasticsearch和kibana 【详细过程+图解】
|
3月前
|
JSON 自然语言处理 数据库
Elasticsearch从入门到项目部署 安装 分词器 索引库操作
这篇文章详细介绍了Elasticsearch的基本概念、倒排索引原理、安装部署、IK分词器的使用,以及如何在Elasticsearch中进行索引库的CRUD操作,旨在帮助读者从入门到项目部署全面掌握Elasticsearch的使用。
|
3月前
|
Ubuntu Oracle Java
如何在 Ubuntu VPS 上安装 Elasticsearch
如何在 Ubuntu VPS 上安装 Elasticsearch
35 0
|
3月前
|
存储 Ubuntu Oracle
在Ubuntu 14.04上安装和配置Elasticsearch的方法
在Ubuntu 14.04上安装和配置Elasticsearch的方法
42 0
|
3月前
|
存储 安全 Java
在CentOS 7上安装和配置Elasticsearch的方法
在CentOS 7上安装和配置Elasticsearch的方法
210 0