一：IK分词器简介
IK Analyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始， IKAnalyzer已经推出了4个大版本。最初，它是以开源项目Luence为应用主体的，结合词典分词和文法分析算法的中文分词组件。从3.0版本开 始，IK发展为面向Java的公用分词组件，独立于Lucene项目，同时提供了对Lucene的默认优化实现。在2012版本中，IK实现了简单的分词 歧义排除算法，标志着IK分词器从单纯的词典分词向模拟语义分词衍化。
IK Analyzer 2012特性:
1.采用了特有的“正向迭代最细粒度切分算法“，支持细粒度和智能分词两种切分模式；
2.在系统环境：Core2 i7 3.4G双核，4G内存，window 7 64位， Sun JDK 1.6_29 64位 普通pc环境测试，IK2012具有160万字/秒（3000KB/S）的高速处理能力。
3.2012版本的智能分词模式支持简单的分词排歧义处理和数量词合并输出。
4.采用了多子处理器分析模式，支持：英文字母、数字、中文词汇等分词处理，兼容韩文、日文字符
5.优化的词典存储，更小的内存占用。支持用户词典扩展定义。特别的，在2012版本，词典支持中文，英文，数字混合词语。
二：默认standard分词器测试
1）启动es服务
2）打开浏览器输入： http://localhost:9200/_analyze?analyzer=standard&pretty=true&text=*
我们可以看到 “*” 被分成了单个汉字。
三：Ik中文分词器安装
插件下载： https://github.com/medcl/elasticsearch-analysis-ik
我们以1.10.4版本为例： http://files.cnblogs.com/files/sunyj/elasticsearch-analysis-ik-1.10.4.zip
1）在plugins文件夹下建ik文件夹
2）把下载的ik安装包解压后放到ik文件夹里，如下图：
3）重新启动es服务
4）打开浏览器输入：http://localhost:9200/_analyze?analyzer=ik&pretty=true&text=*
我们可以看到用analyzer=ik “*”被按中文的习惯分成了多个词组
Tips：
我们再分别输入：
http://localhost:9200/_analyze?analyzer=ik_max_word&pretty=true&text=*国歌
http://localhost:9200/_analyze?analyzer=ik_smart&pretty=true&text=*国歌
ik_max_word: 会将文本做最细粒度的拆分，比如会将“*国歌”拆分为“*,中华人民,中华,华人,人民*,人民,人,民,*,共和,和,国国,国歌”，会穷尽各种可能的组合；
ik_smart: 会做最粗粒度的拆分，比如会将“*国歌”拆分为“*,国歌”。
四：Ik在索引中的使用
新建index索引
PUT index
{
"settings": {
"number_of_shards": 5
},
"mappings": {
"fulltext": {
"_all": {
"analyzer": "ik_max_word",
"search_analyzer": "ik_max_word",
"term_vector": "no",
"store": "false"
},
"properties": {
"content": {
"type": "string",
"analyzer": "ik_max_word",
"search_analyzer": "ik_max_word",
"include_in_all": "true",
"boost": 8
}
}
}
}
}
插入一条数据
PUT /index/fulltext/1
{"content":"美国留给伊拉克的是个烂摊子吗"}
查询测试，输入
POST /index/fulltext/_search
{
"query": {
"match": {
"content": "美国"
}
},
"highlight": {
"pre_tags": [
"<tag1>",
"<tag2>"
],
"post_tags": [
"</tag1>",
"</tag2>"
],
"fields": {
"content": {}
}
}
}
结果如图所示：