ElasticSearch学习教程(三)-中文分词器IK

    分词器的作用就是把用户输入的短语分成粒度更小的词语，方便匹配查找关键字，英文分词比较方便，但是中文分词就比较复杂了，比如“中华人民共和国”，可以分词的情况很多，在不同的地方断句意思就不一样，下面我们对比两款分词器：

1.elaesticserch 自带的标准分词器
    打开elasticsearch-head界面，切换至“复合查询”,我们测试下“中华人民共和国”的分词效果：

http://IP:端口/_analyze?analyzer=standard&pretty=true&text=中华人民共和国

效果：

可以看到标准分词器将短语分成了独立的单词，没有词语，分词效果很难满足我们中文的要求。

2.IK分词器

2.1 下载
    地址：https://github.com/medcl/elasticsearch-analysis-ik，此处需要注意的是版本匹配问题，不同的IK分词器版本对应不同的Elasticsearch版本：

IK 版本 ES 版本 master 5.x -> master 5.0.0-beta1 5.0.0-beta1 1.9.5 2.3.5 1.9.4 2.3.4 1.9.3 2.3.3 1.9.0 2.3.0 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

2.2 编译安装
    下载下来的是Java源码，需要用maven进行编译，至于maven怎么安装使用本文不在赘述
(1) 编译
    进入源码的根目录，使用以下命令编译,编译后生成的ZIP文件在target/releases目录下

mvn clean package

(2) 安装
    将编译好的包拷贝到elasticsearch下的plugins/ik目录下，并解压文件

unzip elasticsearch-analysis-ik-{version}.zip

3.重启ES,测试
    将standard analyzer换成ik analyzer即可：

http://IP:端口/_analyze?analyzer=ik&pretty=true&text=中华人民共和国

效果：

从结果看，短语被分成了合理的词语，不再是独立的无意义的单词；如果是中文全文检索的话，推荐使用IK分词；