ik分词器

一、介绍

   // 测试分词器
   GET _analyze
   {
       "analyzer": "ik_max_word",
       "text": "北京欢迎你"
   }
   // 构建分词器映射
   PUT my_index1
   {
       "mappings": {
           "doc": {
               "properties": {
                   "coontent": {
                       "type": "text",
                       "analyzer": "ik_max_word"
                   }
               }
           }
       }
   }
   // 实例
   PUT my_index1/doc/1
   {
       "content": "今天是个好日子"
   }
   PUT my_index1/doc/2
   {
       "今天不想活了"
   }
   GET my_index1/doc/1
   {
       "query": {
           "match": {
               "content": "今天"
           }
       }
   }

二、分词器对比

   // 构建默认分词器映射
   PUT my_index2
   {
       "mappings": {
           "doc": {
               "properties": {
                   "coontent": {
                       "type": "text"
                   }
               }
           }
       }
   }
   """
   注意:默认分词器是按照字进行一个一个分;ik分词器是按照词进行一个一个分
   """

三、粗细颗粒对比

   // 构建新的分词器映射
   PUT my_index3/doc/_mapping
   {
       "doc": {
           "_all": {
               "analyzer": "ik_smart"
           },
           "properties": {
               "title": {
                   "type": "text"
               },
               "content": {
                   "type": "text"
               }
           }
       }
   }
   """
   注意:smart分词器就会更加粗,如查询"今天",会相应地将没有"今天"的词语对应的数据也查询出来
   """

四、短语和短语前缀查询

   // 短语查询
   GET my_index3/doc/_search
   {
       "query": {
           # 查询中文短语推荐
           "match_parse": {
               "content": "白话"
           }
       }
   }
   // 短语前缀查询
   GET my_index3/doc/_search
   {
       "query": {
           # 以"白话"开头进行查询
           "match_parse_prefix": {
               "content": "白话"
           }
       }
   }
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,294评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,780评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,001评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,593评论 1 289
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,687评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,679评论 1 294
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,667评论 3 415
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,426评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,872评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,180评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,346评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,019评论 5 340
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,658评论 3 323
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,268评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,495评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,275评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,207评论 2 352

推荐阅读更多精彩内容