一、ES-IK分詞器

1.1 初識(shí)ES-IK分詞器

??ES IK分詞器是一種基于中文文本的分詞器，它是Elasticsearch中文分詞的一種實(shí)現(xiàn)。它采用了自然語(yǔ)言處理技術(shù)，可以將中文文本進(jìn)行切分，抽取出其中的詞匯，從而提高搜索引擎對(duì)中文文本的搜索和檢索效率。

??ES IK分詞器的原理是采用了一種叫做“正向最大匹配”（Forward Maximum Matching，簡(jiǎn)稱FMM）和“逆向最大匹配”（Backward Maximum Matching，簡(jiǎn)稱BMM）的分詞算法，通過(guò)對(duì)文本進(jìn)行多次切分，最終確定最優(yōu)的分詞結(jié)果。

??ES IK分詞器可以用于各種中文文本處理應(yīng)用，包括搜索引擎、文本挖掘、信息檢索等。它支持多種分詞模式，包括最細(xì)粒度切分、智能切分和最大切分等模式，可以根據(jù)具體應(yīng)用場(chǎng)景進(jìn)行靈活配置。

1.2 IK分詞器-拓展和停用

1. 要拓展或停用ik分詞器的詞庫(kù)，需要修改ik分詞器目錄中的config目錄中的IkAnalzer.cfg.xml文件：

?<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
	<comment>IK Analyzer 擴(kuò)展配置</comment>
	<!--用戶可以在這里配置自己的擴(kuò)展字典 -->
	<entry key="ext_dict">ext.dic</entry>
	 <!--用戶可以在這里配置自己的擴(kuò)展停止詞字典-->
	<entry key="ext_stopwords">stopword.dic</entry>
	<!--用戶可以在這里配置遠(yuǎn)程擴(kuò)展字典 -->
	<!-- <entry key="remote_ext_dict">words_location</entry> -->
	<!--用戶可以在這里配置遠(yuǎn)程擴(kuò)展停止詞字典-->
	<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

2. 進(jìn)行拓展詞匯的時(shí)候需要?jiǎng)?chuàng)建出所定義的擴(kuò)展字典文件，例如本文使用的是ext.dic，再往文件中填寫(xiě)詞匯即可，每個(gè)詞匯占一行，如下圖：
   

3. 進(jìn)行停用詞庫(kù)的時(shí)候打開(kāi)stopword.dic文件，再往文件中添加詞匯即可，每個(gè)詞匯占一行，如下圖（一般停用的都是語(yǔ)氣詞、嚴(yán)禁品等）：

1.3 索引庫(kù)

1.3.1 mapping屬性

??在Elasticsearch中，mapping屬性是指用于定義索引中文檔的結(jié)構(gòu)和屬性的方式。它描述了索引中文檔的字段名稱、類型、分詞器等元信息，這些元信息可以用于搜索、過(guò)濾和排序。

具體來(lái)說(shuō)，mapping屬性定義了索引中每個(gè)字段的以下信息：

1. 字段類型（type）：指定字段的數(shù)據(jù)類型，例如文本、數(shù)值、日期等。
2. 分詞器（analyzer）：指定字段的分詞器，用于對(duì)文本進(jìn)行分詞處理。
3. 是否索引（index）：指定字段是否需要被索引，如果需要，Elasticsearch將對(duì)該字段建立反向索引以支持全文檢索，默認(rèn)為true。
4. 子字段（properties）：該字段的子字段；

??除此之外，mapping屬性還可以指定文檔中的嵌套對(duì)象、數(shù)組（數(shù)組不是類型，只是可以傳多個(gè)數(shù)據(jù)）等復(fù)雜類型，并對(duì)其進(jìn)行相應(yīng)的定義和配置。

1.3.2 索引庫(kù)的CRUD

1. 創(chuàng)建索引庫(kù)和映射

基本語(yǔ)法：

• 請(qǐng)求方式：PUT
• 請(qǐng)求路徑：/索引庫(kù)名，可以自定義
• 請(qǐng)求參數(shù)：mapping映射

格式：

PUT /索引庫(kù)名稱
{
  "mappings": {
    "properties": {
      "字段名":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "字段名2":{
        "type": "keyword",
        "index": "false"
      },
      "字段名3":{
        "properties": {
          "子字段": {
            "type": "keyword"
          }
        }
      },
      // ...略
    }
  }
}

2. 查看索引庫(kù)

基本語(yǔ)法：

• 請(qǐng)求方式：GET

• 請(qǐng)求路徑：/索引庫(kù)名

• 請(qǐng)求參數(shù)：無(wú)

格式：

GET /索引庫(kù)名

3. 修改索引庫(kù)

??倒排索引結(jié)構(gòu)一旦數(shù)據(jù)結(jié)構(gòu)改變（比如改變了分詞器），就需要重新創(chuàng)建倒排索引。因此索引庫(kù)一旦創(chuàng)建，無(wú)法修改mapping，但是可以添加新的字段到mapping中，也不會(huì)對(duì)倒排索引產(chǎn)生影響。

語(yǔ)法說(shuō)明：

PUT /索引庫(kù)名/_mapping
{
  "properties": {
    "新字段名":{
      "type": "integer"
    }
  }
}

4. 刪除索引庫(kù)

語(yǔ)法：

• 請(qǐng)求方式：DELETE

• 請(qǐng)求路徑：/索引庫(kù)名

• 請(qǐng)求參數(shù)：無(wú)

格式：

DELETE /索引庫(kù)名

1.3.3 文檔的DSL

1. 增加文檔

語(yǔ)法：

POST /索引庫(kù)名/_doc/文檔id
{
    "字段1": "值1",
    "字段2": "值2",
    "字段3": {
        "子屬性1": "值3",
        "子屬性2": "值4"
    },
    // ...
}

2. 刪除文檔

語(yǔ)法：

DELETE /{索引庫(kù)名}/_doc/id值

3. 修改文檔

a. 全量修改:

全量修改是覆蓋原來(lái)的文檔，其本質(zhì)是：

• 根據(jù)指定的id刪除文檔
• 新增一個(gè)相同id的文檔

注意：如果根據(jù)id刪除時(shí)，id不存在，第二步的新增也會(huì)執(zhí)行，也就從修改變成了新增操作了。

語(yǔ)法：

PUT /{索引庫(kù)名}/_doc/文檔id
{
    "字段1": "值1",
    "字段2": "值2",
    // ... 略
}

b. 增量修改:

增量修改是只修改指定id匹配的文檔中的部分字段。

語(yǔ)法：

POST /{索引庫(kù)名}/_update/文檔id
{
    "doc": {
         "字段名": "新的值",
    }
}

4. 查詢文檔

語(yǔ)法：文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-601467.html

GET /{索引庫(kù)名稱}/_doc/{id}

``

b. 增量修改:

增量修改是只修改指定id匹配的文檔中的部分字段。

語(yǔ)法：

POST /{索引庫(kù)名}/_update/文檔id
{
    "doc": {
         "字段名": "新的值",
    }
}

4. 查詢文檔

語(yǔ)法：

GET /{索引庫(kù)名稱}/_doc/{id}

到了這里，關(guān)于ES-IK分詞器的概念和基本使用的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！