在Elasticsearch 7.9.2中安装IK分词器并进行自定义词典配置

Elasticsearch是一个强大的开源搜索引擎，而IK分词器是针对中文文本分析的重要插件。本文将引导您完成在Elasticsearch 7.9.2版本中安装IK分词器、配置自定义词典以及验证分词效果的全过程。

步骤一：下载IK分词器

访问IK分词器的GitHub发布页面：

[下载地址](https://github.com/infinilabs/analysis-ik/releases)
1

针对您的Elasticsearch 7.9.2版本，请下载对应版本的IK分词器：

[IK分词器7.9.2版本](https://objects.githubusercontent.com/github-production-release-asset-2e65be/2993595/b2790500-feb6-11ea-8bc9-c674a2b144ce?X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Credential=AKIAVCODYLSA53PQK4ZA%2F20240426%2Fus-east-1%2Fs3%2Faws4_request&X-Amz-Date=20240426T004946Z&X-Amz-Expires=300&X-Amz-Signature=331c06e100afc3c10c492d982dfd1c6d4bc04554e5ce7a677b8389239b0425e1&X-Amz-SignedHeaders=host&actor_id=0&key_id=0&repo_id=2993595&response-content-disposition=attachment%3B%20filename%3Delasticsearch-analysis-ik-7.9.2.zip&response-content-type=application%2Foctet-stream)
1

步骤二：安装IK分词器

下载完成后，解压缩文件，并将解压后的elasticsearch-analysis-ik-7.9.2目录复制到Elasticsearch的插件目录(修改文件加名称为ik)。假设您的Elasticsearch安装在D:\ProgramFiles\elasticsearch-7.9.2，则应将IK分词器复制到以下位置：

D:\ProgramFiles\elasticsearch-7.9.2\plugins
#安装后目录
D:\ProgramFiles\elasticsearch-7.9.2\plugins\ik
1
2
3

步骤三：重启Elasticsearch

完成插件安装后，需要重启Elasticsearch以加载新安装的IK分词器。确保Elasticsearch服务已经关闭，然后按照常规方式启动它。

步骤四：验证IK分词器安装

重启Elasticsearch后，可以通过发送以下两个请求来验证IK分词器是否成功安装并运行：

GET /_analyze
{
  "analyzer": "ik_smart",  
  "text": "刘亦菲早上好"
}

GET /_analyze 
{
  "analyzer": "ik_max_word", 
  "text": "刘亦菲早上好"
}
1
2
3
4
5
6
7
8
9
10
11

这两个请求分别使用ik_smart和ik_max_word两种分词策略对文本“刘亦菲早上好”进行分词。ik_smart倾向于智能切分，减少冗余；ik_max_word则尽可能多地输出分词结果。响应应包含类似如下结构的分词结果：

{
  "tokens" : [
    {
      "token" : "刘",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "CN_CHAR",
      "position" : 0
    },
    ...
    {
      "token" : "上好",
      "start_offset" : 4,
      "end_offset" : 6,
      "type" : "CN_WORD",
      "position" : 5
    }
  ]
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

步骤五：配置自定义词典

接下来，我们将为IK分词器配置一个自定义词典，以添加特定词汇“刘亦菲”。首先，找到IK分词器的配置文件：

D:\ProgramFiles\elasticsearch-7.9.2\plugins\ik\config\IKAnalyzer.cfg.xml
1

编辑该文件，添加或修改以下内容：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
  <comment>IK Analyzer 扩展配置</comment>
  <!--用户可以在这里配置自己的扩展字典 -->
  <entry key="ext_dict">my.dict</entry>
  <!--用户可以在这里配置自己的扩展停止词字典-->
  <entry key="ext_stopwords"></entry>
  <!--其他配置项...-->
</properties>
1
2
3
4
5
6
7
8
9
10

这里指定了一个名为my.dict的自定义词典文件。接着，在同一目录下创建该文件：

D:\ProgramFiles\elasticsearch-7.9.2\plugins\ik\config\my.dict
1

并在其中输入要添加的词汇：

刘亦菲
1

步骤六：重启Elasticsearch并验证自定义词典

保存并关闭配置文件及词典文件后，再次重启Elasticsearch。随后，重新执行ik_max_word分词策略的请求：

GET /_analyze 
{
  "analyzer": "ik_max_word", 
  "text": "刘亦菲早上好"
}
1
2
3
4
5

此时，响应中的分词结果应包含新增的自定义词汇“刘亦菲”，如下所示：

{
  "tokens" : [
    {
      "token" : "刘亦菲",
      "start_offset" : 0,
      "end_offset" : 3,
      "type" : "CN_WORD",
      "position" : 0
    },
    ...
    {
      "token" : "上好",
      "start_offset" : 4,
      "end_offset" : 6,
      "type" : "CN_WORD",
      "position" : 3
    }
  ]
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

至此，您已在Elasticsearch 7.9.2中成功安装了IK分词器，并完成了自定义词典的配置与验证。现在，Elasticsearch已具备对中文文本进行精准分词的能力，并可根据需要灵活扩展词典。