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：
1
2
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：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
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。
1
2
3
cd
elasticsearch-2.3.2
/plugins
mkdir
ik
cp
...
在 elasticsearch-2.3.2/config/elasticsearch.yml 增加配置：
1
2
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
1
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：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
{
"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
1
2
3
4
5
<!-- 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：
1
2
3
# 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。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
@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 —
