Elasticsearch 默认配置 IK 及 Java AnalyzeRequestBuilder 使用

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

前言

在 《Elasticsearch 和插件 elasticsearch-head 安装详解》 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。

cd  elasticsearch-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。

【本文为51CTO专栏作者“李强强”的原创稿件，转载请通过51CTO联系作者获取授权】

戳这里，看该作者更多好文