当前位置:   article > 正文

JAVA ik es_Elasticsearch入门和查询语法分析(ik中文分词)

ik分词和查询互动

全文搜索现在已经是很常见的功能了,当然你也可以用mysql加Sphinx实现。但开源的Elasticsearch(简称ES)目前是全文搜索引擎的首选。目前像GitHub、维基百科都使用的是ES,它可以快速的存储,搜索和分析数据。

一、安装与启动

ES的运行需要依赖java环境,可以在命令行运行 java --version 。如果出现

8c8d7d4e067e616dadfce44e543a8fa7.png

说明已经安装了,否则你就需要安装下java环境。

然后我们就可以开始装ES了。1、可以用docker容器安装。2、用压缩包安装。

我是用压缩包安装的。

wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-6.3.1.tar.gz

tar -xzf elasticsearch-6.3.1.tar.gz

cd elasticsearch-6.3.1/

然后输入 ./bin/elasticsearch 就可以启动ES了。在浏览器上输入 localhost:9200 ,如果出现

4c336b5de32be65bfa5122bdc210aeac.png

就说明ES成功跑起来了。

二、IK分词

ES默认的分词是英文分词,对中文分词支持的并不好。所以我们就需要安装ik中文分词。让我们看看区别。

在这里需要说明的一点时,ES很多API请求都是GET带上了Request Body。所以通过浏览器或者postman等工具发起GET请求时会报错。有两种方法可以解决。

1、通过命令含的curl请求。

curl -X GET "localhost:9200/_analyze" -H 'Content-Type: application/json' -d'{"analyzer" : "standard","text" : "this is a test"}'

2、在代码中通过curl请求。

// 通过php的guzzle包发起的请求

$client = newClient();

$response= $client->get('localhost:9200/_analyze', ['json' =>['analyzer' => 'standard','text' => "功能进阶",

]

]);

$res= ($response->getBody()->getContents());

然后我们来看看ik中文分词和ES默认的分词区别。同样是上面的请求

ES默认分词结果

{"tokens": [

{"token": "功","start_offset": 0,"end_offset": 1,"type": "","position": 0},

{"token": "能","start_offset": 1,"end_offset": 2,"type": "","position": 1},

{"token": "进","start_offset": 2,"end_offset": 3,"type": "","position": 2},

{"token": "阶","start_offset": 3,"end_offset": 4,"type": "","position": 3}

]

}

ik中文分词结果

ik分词也分两种分析器。ik_smart:尽可能少的进行中文分词。ik_max_word:尽可能多的进行中文分词。

$response = $client->get('localhost:9200/_analyze', ['json' =>['analyzer' => 'ik_max_word','text' => "功能进阶",

]

]);

得到的结果为:

{"tokens": [

{"token": "功能","start_offset": 0,"end_offset": 2,"type": "CN_WORD","position": 1},

{"token": "能进","start_offset": 1,"end_offset": 3,"type": "CN_WORD","position": 2},

{"token": "进阶","start_offset": 2,"end_offset": 4,"type": "CN_WORD","position": 3}

]

}

而ik_smart

$response = $client->get('localhost:9200/_analyze', ['json' =>['analyzer' => 'ik_smart','text' => "功能进阶",

]

]);

的结果为

{"tokens": [

{"token": "功能","start_offset": 0,"end_offset": 2,"type": "CN_WORD","position": 1},

{"token": "进阶","start_offset": 2,"end_offset": 4,"type": "CN_WORD","position": 3}

]

}

其实他们的区别通过名字你也可以略知一二。哈哈。。。

假如有人想问,我就想把“功能进阶”当成一个词来搜索,可以吗?

Of course!!

这时候我们就要自定义分词。进入你的ES目录,运行 cd config/analysis-ik/ 进去ik分词的配置。找到IKAnalyzer.cfg.xml文件,然后 vi IKAnalyzer.cfg.xml 。

36b4cf61bcbe80f32700dbb429521cb0.png

我在 elasticsearch-6.3.0/config/analysis-ik 目录下,创建了 custom/mydict.dic ,然后添加到上图的红色框框中,这就是你自定义分词的文件。如果有多个文件,可以用英文分号(;)隔开。

2130b2a0e049e4be279018b3803a6cc5.png

可以看到,我在自定义中文分词文件中添加了“功能进阶”这个词。这时候用ik_smart分析器的结果是:

{"tokens": [

{"token": "功能进阶","start_offset": 0,"end_offset": 4,"type": "CN_WORD","position": 0}

]

}

很好,这就是我们想要的。

三、Query DSL

match

查询语法如下:title是需要查询的字段名,可以被替换成任何字段。query对应的是所需的查询。比如这里会被拆分成‘php’和‘后台’,应为operator是or,所以ES会去所有数据里的title字段查询包含‘后台’和‘php’的,如果operator为and,这查询的是即包含‘后台’又有‘php’的数据,这应该很好理解。

$response = $client->get('localhost:9200/accounts/person/_search', ['json' =>['query' =>['match' =>['title' =>['query' => '后台php','operator' => 'or',

]

]

]

]

]);

multi_match

如果想在多个字段中查找,那就需要用到multi_match查询,语法如下:

$response = $client->get('localhost:9200/accounts/person/_search', ['json' =>['query' =>['multi_match' =>['query' => '张三 php','fields' => ['title', 'desc', 'user']

]

]

]

]);

query_string

查询语法如下:类似match查询的operator,在这里需要在query中用OR或AND实现。

$response = $client->get('localhost:9200/accounts/person/_search', ['json' =>['query' =>['query_string' =>['query' => '(张三) OR (php)','default_field' => 'title',

]

]

]

]);

多字段查询如下:

$response = $client->get('localhost:9200/accounts/person/_search',['json' =>['query' =>['query_string' =>['query' => '(张三) OR (php)',

'fields' => ['title', 'user'],]

]

]

]);

range query

这是范围查询,例如查询年龄在10到20岁之间的。查询语法如下:

$response = $client->get('localhost:9200/accounts/person/_search',['json' =>['query' =>['range' =>['age' =>['gte' => 10,

'lte' => 20,],]

]

]

]);

gte表示>=,lte表示<=,gt表示>,lt表示

bool查询

bool查询的语法都是一样的。如下:

$response = $client->get('localhost:9200/accounts/person/_search',['json' =>['query' =>['bool' =>['must/filter/should/must_not' =>[

['query_string' =>['query' => '研发',]

],['range' =>['age' =>['gt' => 20]

]

],],]

]

]

]);

1)must:must查询是查询字段中必须满足上面两个条件,并且会计算到score中。

2)filter:filter查询与must一样,都必须满足上面两个条件,只不过查询结果不会计算score,也就是score始终为0.

3)should:should查询只需要满足上面两种查询条件中的一种即可。

4)must_not:must_not查询是必须不满足上面两个查询条件。

以上也是我看文档总结出来的,如有不对的地方,望大神指点。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/码创造者/article/detail/835930
推荐阅读
相关标签
  

闽ICP备14008679号