谷粒商城实战笔记-122~124-全文检索-ElasticSearch-分词

文章目录

一，122-全文检索-ElasticSearch-分词-分词&安装ik分词
二，124-全文检索-ElasticSearch-分词-自定义扩展词库
- 1，创建nginx容器
- - [1.1 创建nginx文件夹](#1.1 创建nginx文件夹)
  - [1.2 创建nginx容器获取nginx配置](#1.2 创建nginx容器获取nginx配置)
  - [1.3 复制nginx容器配置文件](#1.3 复制nginx容器配置文件)
  - [1.4 删除临时的nginx容器](#1.4 删除临时的nginx容器)
  - [1.5 创建新的nginx容器](#1.5 创建新的nginx容器)
- 2，配置扩展词库
- - [2.1 elasticsearch配置扩展词库](#2.1 elasticsearch配置扩展词库)
  - [2.2 nginx新建词库文件](#2.2 nginx新建词库文件)
  - [2.3 重启容器](#2.3 重启容器)
- 3，测试扩展词库效果

一，122-全文检索-ElasticSearch-分词-分词&安装ik分词

Elasticsearch 使用的中文分词器IK Analyzer（简称IK）是一个非常流行的中文分词器插件。

安装IK分词器插件：

首先，需要下载与你的 Elasticsearch 版本相匹配的 IK 分词器插件。

进入elasticsearch的docker容器：
dart 复制代码
```
docker exec -it elasticsearch /bin/bash
```
执行命令安装：
dart 复制代码
```
bin/elasticsearch-plugin install https://get.infini.cloud/elasticsearch/analysis-ik/7.13.0
```
查看安装结果：
dart 复制代码
```
bin/elasticsearch-plugin list
```

重启Elasticsearch ：

安装插件后，需要重启 Elasticsearch 服务以使插件生效。
sh 复制代码
```
docker restart elasticsearch
```
测试IK分词器：

为了对比效果，先使用标准的standard分词器，这个分词器是针对英文的。

dart 复制代码

POST _analyze
{
  "analyzer": "standard",
  "text": "尚硅谷谷粒商城"
}

对于中文，standard分词器的效果非常不理想，其把中文拆分为单个汉字。

使用中文ik分词器。

dart 复制代码

POST _analyze
{
  "analyzer": "ik_smart",
  "text": "尚硅谷谷粒商城"
}

结果如下，处理中文时，IK分词器比standard要强大的多。

当然，这个分词器也有改进的空间，比方说，上面例子中，分词器不能正确的把尚硅谷识别为一个词，这就需要配合专门的词库来进行优化了。

二，124-全文检索-ElasticSearch-分词-自定义扩展词库

1，创建nginx容器

因为我们要把词库放在nginx作为elasticsearch的扩展词库，所以首先要安装nginx。

1.1 创建nginx文件夹

在/mydata下创建nginx文件夹。

dart 复制代码

cd /mydata
mkdir nginx

1.2 创建nginx容器获取nginx配置

注意，这个nginx容器不是最终我们需要的nginx容器，仅仅是为了获取nginx配置文件的模板而创建的。

dart 复制代码

docker run -p 80:80 --name nginx  -d nginx:1.10

执行这个命令时，虽然我们没有提前下载镜像，docker会自动检测，若没有镜像，会先下载镜像。

1.3 复制nginx容器配置文件

复制nginx容器配置文件到前面创建的文件夹/mydata/下。

dart 复制代码

docker container cp nginx:/etc/nginx .

之后在nginx目录下，可以看到如下结构。

1.4 删除临时的nginx容器

执行下面命令，先停止nginx容器，后删除容器。

dart 复制代码

docker stop nginx
docker rm nginx

1.5 创建新的nginx容器

dart 复制代码

docker run -p 80:80 --name nginx \
-v /mydata/nginx/html:/usr/share/nginx/html \
-v /mydata/nginx/logs:/var/log/nginx \
-v /mydata/nginx/nginx.conf:/etc/nginx/nginx.conf \
-v /mydata/nginx/conf.d:/etc/nginx/conf.d \
-d nginx

2，配置扩展词库

2.1 elasticsearch配置扩展词库

进入elasticsearch容器。

dart 复制代码

docker exec -it elasticsearch /bin/bash

在/usr/share/elasticsearch/config/analysis-ik中的 IKAnalyzer.cfg.xml配置nginx中的扩展词库。

dart 复制代码

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
	<comment>IK Analyzer 扩展配置</comment>
	<!--用户可以在这里配置自己的扩展字典 -->
	<entry key="ext_dict"></entry>
	<!--用户可以在这里配置自己的扩展停止词字典-->
	<entry key="ext_stopwords"></entry>
	<!--用户可以在这里配置远程扩展字典 -->
	<entry key="remote_ext_dict">http://192.168.128.130/fenci/myword.txt</entry>
	<!--用户可以在这里配置远程扩展停止词字典-->
	<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

2.2 nginx新建词库文件

在nginx的挂载目录html目录下，新建es目录，es目录下，新建fenci.txt文件，文件中输入词语：

dart 复制代码

尚硅谷
乔碧萝

2.3 重启容器

重启elasticsearch容器和nginx容器。

dart 复制代码

docker restart elasticsearch
docker restart nginx

3，测试扩展词库效果

dart 复制代码

POST _analyze
{
  "analyzer": "ik_max_word",
  "text": "尚硅谷谷粒商城"
}

结果显示，IK分词器能基于扩展词库，将尚硅谷识别为一个词。