Elasticsearch 默认配置 IK 及 Java AnalyzeRequestBuilder 使用
摘要: 原创出处 www.bysocket.com 「泥瓦匠BYSocket 」欢迎转载，保留摘要，谢谢！ 『 春夏秋冬失去了你，我怎么过一年四季-民谣歌词 』 本文提纲 一、什么是 Elasticsearch-analysis-ik 二、默认配置 IK 三、使用AnalyzeRequestBuilder 获取分词结果 四、小结 运行环境：JDK 7 或 8、Maven 3.0+、ElasticSearch 2.3.2、Elasticsearch-analysis-ik 1.9.2 技术栈：SpringBoot 1.5+、Spring-data-elasticsearch 2.1.0 前言 在 Elasticsearch 和插件 elasticsearch-head 安装详解 http://www.bysocket.com/?p=1744文章中，我使用的是 Elasticsearch 5.3.x。这里我改成了ElasticSearch 2.3.2。是因为版本对应关系 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** * - 只需要你修改下对应的 pom 文件版本号 ** - 下一个 ES 的版本会有重大的更新 这里可以看出，5.3.x 不在第二行范围内。因此这里我讲下，如何在 ElasticSearch 2.3.2 中默认配置 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 实现的分词开源框架。官方地址： https://code.google.com/p/ik-analyzer/。 Elasticsearch-analysis-ik 则是将 IK Analyzer集成Elasticsearch 的插件，并支持自定义词典。GitHub 地址： https://github.com/medcl/elasticsearch-analysis-ik。特性支持： 分析器 Analyzer: ik_smart 或 ik_max_word 分词器 Tokenizer: ik_smart 或 ik_max_word 二、默认配置 IK 在Elasticsearch-analysis-ik 官网中可以看到，其中版本需要对应： 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 这里使用的是Elasticsearch-analysis-ik 1.9.2，支持 ElasticSearch 2.3.2。下载地址： https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v1.9.2/elasticsearch-analysis-ik-1.9.2.zip，下载成功后进行安装。 解压 zip 文件，复制里面的内容到elasticsearch-2.3.2/plugins/ik。 cdelasticsearch-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" 配置默认分词器为 ik，并指定分词器为ik_max_word。 然后重启 ES 即可。验证 IK 是否成功安装，访问下 localhost:9200/_analyze?analyzer=ik&pretty=true&text=泥瓦匠的博客是bysocket.com 可以得到下面的结果集： { "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 } ] } 记得在Docker 容器安装时，需要对应的端口开发。 三、使用AnalyzeRequestBuilder 获取分词结果 ES 中默认配置 IK 后，通过 Rest HTTP 的方式我们可以进行得到分词结果。那么在 Spring Boot 和提供的客户端依赖 spring-data-elasticsearch 中如何获取到分词结果。 加入依赖 pom.xml <!-- Spring Boot Elasticsearch 依赖 --> <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 然后创建一个方法，入参是搜索词，返回的是分词结果列表。 @Autowired private ElasticsearchTemplate elasticsearchTemplate; /** * 调用 ES 获取 IK 分词后结果 * * @param searchContent * @return */ private List<String> getIkAnalyzeSearchTerms(String searchContent) { // 调用 IK 分词分词 AnalyzeRequestBuilder ikRequest = new AnalyzeRequestBuilder(elasticsearchTemplate.getClient(), AnalyzeAction.INSTANCE,"indexName",searchContent); ikRequest.setTokenizer("ik"); List<AnalyzeResponse.AnalyzeToken> ikTokenList = ikRequest.execute().actionGet().getTokens(); // 循环赋值 List<String> searchTermList = new ArrayList<>(); ikTokenList.forEach(ikToken -> { searchTermList.add(ikToken.getTerm()); }); return searchTermList; } indexName 这里是指在 ES 设置的索引名称。 从容器注入的ElasticsearchTemplate Bean 中获取 Client ，再通过AnalyzeRequestBuilder 分析请求类型中进行分词并获取分词结果AnalyzeResponse.AnalyzeToken 列表。 四、小结 默认配置了 IK 分词器，则 DSL 去 ES 查询时会自动调用 IK 分词。 如果想要自定义词库，比如比较偏的领域性。可以参考Elasticsearch-analysis-ik GiHub 地址去具体查阅。 推荐开源项目：《 springboot-learning-example》 spring boot 实践学习案例，是 spring boot 初学者及核心技术巩固的最佳实践 欢迎扫一扫我的公众号关注 — 及时得到博客订阅哦！ — http://www.bysocket.com/ — — https://github.com/JeffLi1993 —
