拓展词库22节3、自定义词库

　　拓展词库22节3、自定义词库

　　【ES从入门到实战】两个十三、全文搜索-ElasticSearch-分词-自定义扩展词库

　　接第 22 节

　　3），自定义词库

　　ik tokenizer 的默认分词不符合我们的需求。对于一些新的网络术语，ik tokenizer 将无法准确识别分词，例如：

　　POST _analyze

{

"analyzer": "ik_max_word",

"text": "乔碧萝殿下"

}

　　分词后显示如下，可以看到ik分词器无法识别“乔碧洛”是人名：

　　

　　在此处插入图片说明

　　因此，您需要自定义和扩展词典。

　　自定义和扩展词库，可以修改ik tokenizer的配置文件，指定远程词库，让ik tokenizer向远程发送请求，获取一些最新词，让最新词将是最新的词源分解。

　　有两种实现自定义词库的方法：

　　自己实现一个服务，处理ik tokenizer的请求，让ik tokenizer向自定义项目发送请求搭建nginx服务器，将最新的词库放入nginx，让ik tokenizer发送请求到nginx，Nginx 将最新的词库返回给 ik tokenizer，以便 ik tokenizer 可以将原词库与新词库合并。

　　nginx安装参考六、Appendix-安装nginx

　　这里我使用第二种方法自定义词库。在创建它之前，您需要安装 nginx。相关内容请访问第 6 章。

　　在/mydata/nginx/html/路径下新建es目录，新建词库fenci.txt：

　　

　　在此处插入图片说明

　　访问可以请求的词库内容：

　　

　　在此处插入图片说明

　　修改/usr/share/elasticsearch/plugins/ik/config/中的IKAnalyzer.cfg.xml

　　

　　在此处插入图片说明

　　/usr/share/elasticsearch/plugins/ik/config

　　

IK Analyzer 扩展配置

http://192.168.56.10/es/fenci.txt

　　

　　在此处插入图片说明

　　注意：如果打开IKAnalyzer.cfg.xml是乱码，可以先退出当前文件，在命令行输入vi /etc/virc，

　　然后在文件中添加set encoding=utf-8，保存退出，重新打开IKAnalyzer.cfg.xml。

　　

　　在此处插入图片说明

　　原创xml：

　　

IK Analyzer 扩展配置

　　重启 ES：

　　docker restart elasticsearch

　　再次在kibana中进行分词，可以看到之前无法识别的“乔碧洛”现在可以识别为一个词了：

　　

　　在此处插入图片说明

　　如果以后有新词组，可以直接添加到上面的自定义词库fenci.txt中，重启ES即可。

　　由于之前安装nginx时重装了ES，所以需要设置ES的自动启动服务：

　　docker update elasticsearch --restart=always

　　参考文档分析

　　参考：

　　Elasticsearch 参考

　　弹性

　　全文搜索引擎Elasticsearch介绍