Elasticsearch 全文搜索引擎 ---- IK分词器

原理:分词的原理:二叉树

首先讲一下为什么要出这个文章,前面我们讲过分词方法:中文分词搜索 pscws(感兴趣的同学可以去爬楼看一下),那为什么要讲IK分词?最主要的原因是:pscws分词颗粒度不如IK分词的颗粒度高,现在的需求要求颗粒度细一点,以便提高搜索进度,所以我们今天讲一下IK分词

第一步:安转Elasticsearch,这个在博主原来的文章里面有,所以不在讲述,安装完成后运行结果:

访问地址:http://localhost:9200

第二步:安转IK扩展(现在下载扩展包):需要选择和自己的Elasticsearch对应的版本,我的Elasticsearch版本是7.3.2,下载后存放在:/plugins 目录下:

下载地址:https://gitcode.net/mirrors/medcl/elasticsearch-analysis-ik/-/tree/v7.3.2

直接运行会发现闪退情况:为什么会出现这样的情况,主要有两个原因:

1.版本不配

2.未修改配置 ,配置如何修改?

需要安装 maven 包管理工具,这个是JAVA开发的,所以需要安装JAVA的环境(IK 分词器需要 Java 8 或者以上的版本)

一、下载&安装

  1. 下载地址

maven下载地址如下,各位请选择对应系统的maven版本进行下载。

https://maven.apache.org/download.cgi

  1. 解压maven安装包

maven安装包下载之后,对其进行解压。

二、配置环境变量:

系统变量新增:变量名:MAVEN_HOME 值:maven存放目录
系统变量追加:变量名:path 值:%MAVEN_HOME%\bin

测试maven是否配置完毕:输入mvn -v命令,如果出现maven版本号,就表明安装成功。

如果报错:

配合:The JAVA_HOME environment variable is not defined correctly This environment variable is needed to run this program NB: JAVA_HOME should point to a JDK not a JRE

没有安装Java的运行环境或者JAVA_HOME的环境变量没有配置,安装好JAVA的运行环境后记得配置JAVA_HOME环境变量,安装好后,再运行mvn -v命令

查看命令:elasticSearch-plugin list:安装成功

第三步:使用分词(PHP版本):

//引入自动加载文件

require_once APPPATH.'../vendor/es/autoload.php';
//使用命名空间引用

use Elasticsearch\ClientBuilder;

class Test extends CI_Controller

{

//初始化

public function __construct()

{

parent::__construct();

//拼接参数

$params = [

'host' =\> '地址', 'port' =\> '端口号', 'scheme' =\> 'http', 'user' =\> '用户名', 'pass' =\> '密码'

];

//初始化对象

this-\>client = ClientBuilder::create()-\>setHosts(params)->setConnectionPool('连接池地址(相对地址)', \[\]) ->setRetries(10)->build();

}

//分词器

public function ik(){

$params = [

'body' => [

'text' => '中国上海市直辖市静安区',

//ik_max_word 精细 ik_smart 粗略

'analyzer'=>'ik_max_word'

]

];

//请求分词

res = this->client->indices()->analyze($params);

var_dump($res);die;

}

}

IK精细分词输出结果:

array(11) {

0=>array(5) {

"token"=>string(6) "中国""start_offset"=>int(0)"end_offset"=>int(2)

"type"=>string(7) "CN_WORD""position"=>int(0)

}

1=>array(5) {

"token"=>string(9) "上海市""start_offset"=>int(2)"end_offset"=>int(5)

"type"=>string(7) "CN_WORD""position"=>int(1)

}

2=>array(5) {

"token"=>string(6) "上海""start_offset"=>int(2)"end_offset"=>int(4)

"type"=>string(7) "CN_WORD""position"=>int(2)

}

3=>array(5) {

"token"=>string(6) "海市" "start_offset"=>int(3)"end_offset"=>int(5)

"type"=>string(7) "CN_WORD""position"=>int(3)

}

4=>array(5) {

"token"=>string(6) "市直" "start_offset"=>int(4)"end_offset"=>int(6)

"type"=> string(7) "CN_WORD""position"=>int(4)

}

5=>array(5) {

"token"=>string(9) "直辖市""start_offset"=>int(5)"end_offset"=>int(8)

"type"=>string(7) "CN_WORD""position"=>int(5)

}

6=>array(5) {

"token"=> string(6) "直辖""start_offset"=> int(5)"end_offset"=>int(7)

"type"=>string(7) "CN_WORD""position"=>int(6)

}

7=>array(5) {

"token"=>string(3) "市""start_offset"=>int(7)"end_offset"=>int(8)

"type"=>string(7) "CN_CHAR""position"=>int(7)

}

8=> array(5) {

"token"=>string(9) "静安区" "start_offset"=>int(8)"end_offset"=> int(11)

"type"=>string(7) "CN_WORD""position"=>int(8)

}

9=>array(5) {

"token"=>string(6) "静安" "start_offset"=>int(8)"end_offset"=>int(10)

"type"=>string(7) "CN_WORD" "position"=>int(9)

}

10=>array(5) {

"token"=>string(3) "区""start_offset"=>int(10)"end_offset"=>int(11)

"type"=>string(7) "CN_CHAR""position"=>int(10)

}

}

}

IK粗略分词:

array(1) {

"tokens"=>

array(11) {

0=>array(5) {

"token"=>string(6) "中国""start_offset"=>int(0)"end_offset"=>int(2)

"type"=>string(7) "CN_WORD""position"=>int(0)

}

1=>array(5) {

"token"=>string(9) "上海市""start_offset"=>int(2)"end_offset"=>int(5)

"type"=>string(7) "CN_WORD""position"=>int(1)

}

2=>array(5) {

"token"=>string(9) "直辖市""start_offset"=>int(5)"end_offset"=>int(8)

"type"=>string(7) "CN_WORD""position"=>int(5)

}

3=> array(5) {

"token"=>string(9) "静安区" "start_offset"=>int(8)"end_offset"=> int(11)

"type"=>string(7) "CN_WORD""position"=>int(8)

}

}

}

中文分词搜索 pscws

array(4) {
"中国"=> array(4) {
"word"=> string(6) "中国"
"times"=> int(1) "weight"=> float(6.2600002288818) "attr"=> string(3) "ns"
}

"上海市"=> array(4) {
"word"=> string(9) "上海市"
"times"=> int(1) "weight"=> float(7.8200001716614) "attr"=> string(3) "ns"
}

"直辖市"=> array(4) {
"word"=> string(9) "直辖市"
"times"=> int(1) "weight"=> float(6.8499999046326) "attr"=> string(3) "n"
}

"静安区"=> array(4) {
"word"=> string(9) "静安区"
"times"=> int(1) "weight"=> float(12.140000343323) "attr"=> string(3) "ns"
}
}

至此IK分词器讲解完成,可以对比一下IK与pscws的区别,后续操作可以根据自己的业务来确定

相关推荐
黑十15 小时前
FDE 怎么快速搭一个可演示页面?最小前端方案
java·大数据·前端·数据库·人工智能
FungLeo15 小时前
FengCMS · PHP+MySQL 升级实录 · Web 入口收敛:Apache/Nginx 白名单挡住配置、安装 SQL、上传脚本直连
前端·mysql·php·安全加固·fengcms
Databend16 小时前
OpenRaft 自定义 Membership,按部署拓扑选择 Quorum
大数据·数据库·数据分析
Databend16 小时前
用 SQL 排查支付故障,OpenTelemetry 接入 Databend Cloud 实战
大数据·数据库·sql
Elasticsearch16 小时前
使用 Codex 来写入 PDF 文件并创建 AI Agent 对它进行问答
elasticsearch
上海潭龙东海科技有限公司16 小时前
智慧堆场动态模型三维实时孪生重构智能管控
大数据·网络·数据库·算法·重构
草莓熊Lotso17 小时前
【C++ 基于微服务的即时通讯系统】ElasticSearch 用户数据管理实现
linux·数据库·c++·elasticsearch·微服务·架构
尹文祥17 小时前
Apache Doris 2.1.10:存储结构、索引与查询优化详解
大数据
岳涛18 小时前
考古|搬迁 percolator 要先保住规则身份,ES 1.0 把它挪进了索引内
elasticsearch
岳涛18 小时前
考古|旧查询和 _boost 在 ES 1.0 收掉,替换方向并不保证等价
elasticsearch