Elasticsearch给IK分词器添加自定义词汇

案例

对 汽车改装鲨鱼鳍 这句进行分词

GET /_analyze
{
  "analyzer": "ik_smart",
  "text": ["汽车改装鲨鱼鳍"]
}

结果如下：

{
  "tokens" : [
    {
      "token" : "汽车",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "改装",
      "start_offset" : 2,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 1
    },
    {
      "token" : "鲨",
      "start_offset" : 4,
      "end_offset" : 5,
      "type" : "CN_CHAR",
      "position" : 2
    },
    {
      "token" : "鱼鳍",
      "start_offset" : 5,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 3
    }
  ]
}

可见，鲨鱼鳍被分成了鲨、鱼鳍，现在我们需要鲨鱼鳍这三个字不要拆分，就得添加自定义词汇。

步骤

进入IK配置目录（我这边是docker环境，步骤基本一样）

docker exec -it es /bin/bash
cd plugins/ik/config/

创建自定义分词文件

touch myDict.dic
vi myDict.dic
加上鲨鱼鳍这三个字，保存退出

让IK分词器识别自定义文件

vi IKAnalyzer.cfg.xml
在这里加上之前创建的分词文件名，然后保存退出

重启ElasticSearch服务，再次测试，结果如下

{
  "tokens" : [
    {
      "token" : "汽车",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "改装",
      "start_offset" : 2,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 1
    },
    {
      "token" : "鲨鱼鳍",
      "start_offset" : 4,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 2
    }
  ]
}

这样就说明配置生效了。