六、IK分詞器的使用
之前已經介紹了IK分詞器的下載和安裝，下面就來驗證一下：
GET _analyze
{
"analyzer": "ik_max_word",
"text": "上海自來水來自海上"
}
如果返回如下數據就說明安裝成功了：
1 ik_max_word
ik_max_word參數會將文檔做最細粒度的拆分，會窮盡各種可能的組合。
PUT ik1
{
"mappings": {
"properties":{
"title":{
"type":"text",
"analyzer": "ik_max_word"
}
}
}
}
我們創建一個索引名為ik1，指定使用ik_max_word分詞器，然后插入幾條數據：
PUT ik1/_doc/1
{
"content":"真開心今天吃了三頓飯"
}
PUT ik1/_doc/2
{
"content":"今天你也在煩惱嗎？笑一笑吧"
}
PUT ik1/_doc/3
{
"content":"愛笑的人運氣都不會太差"
}
現在讓我們開始查詢：
GET ik1/_search
{
"query": {
"match": {
"content": "今天"
}
}
}
GET ik1/_search
{
"query": {
"match": {
"content": "笑"
}
}
}
2 ik_smart
ik_smart是另一種分詞方式，它將文檔作粗粒度的拆分。比如，愛笑的人運氣都不會太差這句話：
- ik_max_word會拆分為：愛笑，的人，運氣，都不會，都不，不會，太差
- ik_smart會拆分為：愛笑，的人，運氣，都不會，太差
由上面的對比可以發現，兩個參數的不同，所以查詢結果也肯定不一樣，視情況而定用什么粒度。
至於查詢，與之前介紹的查詢方法完全一樣。
3 ik目錄簡介
在ik/config目錄下有ik分詞配置文件：
- IKAnalyzer.cfg.xml，用來配置自定義的詞庫
- main.dic，ik原生內置的中文詞庫，只要是這些單詞，都會被分在一起。
- surname.dic，中國的姓氏。
- suffix.dic，特殊（后綴）名詞，例如
鄉、江、所、省等等。 - preposition.dic，中文介詞，例如
不、也、了、仍等等。 - stopword.dic，英文停用詞庫，例如
a、an、and、the等。 - quantifier.dic，單位名詞，如
厘米、件、倍、像素等。 - extra開頭的文件，是額外的詞庫。
4 擴展詞庫
在ik/config目錄下的IKAnalyzer.cfg.xml中可以擴展詞庫：
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
<comment>IK Analyzer 擴展配置</comment>
<!--用戶可以在這里配置自己的擴展字典 -->
<entry key="ext_dict"></entry>
<!--用戶可以在這里配置自己的擴展停止詞字典-->
<entry key="ext_stopwords"></entry>
<!--用戶可以在這里配置遠程擴展字典 -->
<!-- <entry key="remote_ext_dict">words_location</entry> -->
<!--用戶可以在這里配置遠程擴展停止詞字典-->
<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>
比如我們添加一個詞典，在config目錄下新建一個new.dic：
<entry key="ext_dict">new.dic</entry>
然后重啟es，再使用分詞器試試：
GET _analyze
{
"analyzer": "ik_smart",
"text": "奧利給干了兄弟們"
}
注意詞庫的編碼必須是utf-8。
IK插件還支持熱更新，在配置文件中的如下配置
<!--用戶可以在這里配置遠程擴展字典 -->
<!-- <entry key="remote_ext_dict">words_location</entry> -->
<!--用戶可以在這里配置遠程擴展停止詞字典-->
<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
其中 words_location 是指一個 url，比如 http://yoursite.com/getCustomDict，該請求只需滿足以下兩點即可完成分詞熱更新。
- 該 http 請求需要返回兩個頭部(header)，一個是
Last-Modified，一個是ETag，這兩者都是字符串類型，只要有一個發生變化，該插件就會去抓取新的分詞進而更新詞庫。 - 該 http 請求返回的內容格式是一行一個分詞，換行符用
\n即可。
滿足上面兩點要求就可以實現熱更新分詞了，不需要重啟es 。
可以將需自動更新的熱詞放在一個 UTF-8 編碼的 .txt 文件里，放在 nginx 或其他簡易 http server 下，當 .txt 文件修改時，http server 會在客戶端請求該文件時自動返回相應的 Last-Modified 和 ETag。可以另外做一個工具來從業務系統提取相關詞匯，並更新這個 .txt文件。