ICU Analysis 插件是一组将 Lucene ICU 模块集成到 Elasticsearch 中的库。本质上，ICU 的目的是增加对 Unicode 和全球化的支持，以提供对亚洲语言更好的文本分割分析。从 Elasticsearch 的角度来看，此插件提供了文本分析中的新组件，如下表所示:

安装

我们可以首先到 Elasticsearch 的安装目录打入如下的命令：

$ pwd
/Users/liuxg/elastic/elasticsearch-7.3.0
(base) localhost:elasticsearch-7.3.0 liuxg$ ./bin/elasticsearch-plugin list
analysis-icu
analysis-ik
pinyin

上面显示我已经安装好了三个插件。上面的 analysis-ik 及 pinyin 都是为中文而准备的。这在我之前的文章中都有介绍。请详细阅读。

注意：如果你们在使用上面的 elasticsearch-plug list 命名出现如下的错误的话：

那么请使用如下的命令来删除在当前目录下的 .DS_Store 目录：

sudo find /Path/to/your/elasticsearch-folder -name ".DS_Store" -depth -exec rm {} \;

然后重新运行上面的命令就不会有问题了。

上面显示我已经安装好了。如果在你的电脑里没有安装好，可以使用如下的命令来进行安装：

./bin/elasticsearch-plugin install analysis-icu

上面的命令在 Elasticsearch 的安装目录里进行运行。等安装好后，我们需要重新启动 Elasticsearch 让它起作用。重新运行：

./bin/elasticsearch-plugin list

来检查 analysis-icu 是否已经被成功安装好了。

例子

等我们完全安装好了 analysis_icu，那么，我们可以使用如下的例子在 Kibana 中来做一个实验：

POST _analyze
{"text": "我爱北京天安门","analyzer": "icu_analyzer"
}

那么显示的结果是：

上面显示，我们 analysis 可以正确地帮我们把中文词语安装中文的分词方法正确地进行分词。

我们可以和 standard 分词器来进行一个比较：

我们从上面可以看出来，在默认的情况下，icu_analyzer 通常是一个及以上的字符的 token，而 standard 的 analyzer 只有一个字符。

通过更改字符过滤器和token的方法和模式参数，ICU分析器可以具有多种自定义变量类型。下表描述了不同类型的ICU分析仪的组合：

让我们尝试 nfkd_normalized 分析器。遵循定义并在 Kibana Dev Tools 控制台中对其进行测试。响应显示在以下屏幕截图中。但是，由于使用 nfkd_normalized 分析器和 icu_analyzer 分析器，我们无法在结果中找到任何差异：

POST _analyze
{"text": "股市投资稳赚不赔必修课：如何做好仓位管理和情绪管理","char_filter": [{"type": "icu_normalizer", "name": "nfkc", "mode":"decompose"}], "tokenizer": "icu_tokenizer"
}

运行结果：

{"tokens" : [{"token" : "股市","start_offset" : 0,"end_offset" : 2,"type" : "<IDEOGRAPHIC>","position" : 0},{"token" : "投资","start_offset" : 2,"end_offset" : 4,"type" : "<IDEOGRAPHIC>","position" : 1},{"token" : "稳赚","start_offset" : 4,"end_offset" : 6,"type" : "<IDEOGRAPHIC>","position" : 2},{"token" : "不","start_offset" : 6,"end_offset" : 7,"type" : "<IDEOGRAPHIC>","position" : 3},{"token" : "赔","start_offset" : 7,"end_offset" : 8,"type" : "<IDEOGRAPHIC>","position" : 4},{"token" : "必修","start_offset" : 8,"end_offset" : 10,"type" : "<IDEOGRAPHIC>","position" : 5},{"token" : "课","start_offset" : 10,"end_offset" : 11,"type" : "<IDEOGRAPHIC>","position" : 6},{"token" : "如何","start_offset" : 12,"end_offset" : 14,"type" : "<IDEOGRAPHIC>","position" : 7},{"token" : "做好","start_offset" : 14,"end_offset" : 16,"type" : "<IDEOGRAPHIC>","position" : 8},{"token" : "仓","start_offset" : 16,"end_offset" : 17,"type" : "<IDEOGRAPHIC>","position" : 9},{"token" : "位","start_offset" : 17,"end_offset" : 18,"type" : "<IDEOGRAPHIC>","position" : 10},{"token" : "管理","start_offset" : 18,"end_offset" : 20,"type" : "<IDEOGRAPHIC>","position" : 11},{"token" : "和","start_offset" : 20,"end_offset" : 21,"type" : "<IDEOGRAPHIC>","position" : 12},{"token" : "情绪","start_offset" : 21,"end_offset" : 23,"type" : "<IDEOGRAPHIC>","position" : 13},{"token" : "管理","start_offset" : 23,"end_offset" : 25,"type" : "<IDEOGRAPHIC>","position" : 14}]
}

要使用新定义的分析器，我们必须在 Index setting 中对其进行定义。请参阅我之前的文章 “Elasticsearch: analyzer”。

Elasticsearch：ICU 分词器介绍相关推荐

Elasticsearch之Analyzer分词器介绍
Elasticsearch之Analyzer分词器介绍 Analysis Analyzer的组成 ES中内置的分词器 Analyzer的使用几种分词器介绍 Standard Analyzer Sim ...
【ES实战】ES分词器介绍
文章目录 ES分词器介绍什么是分词器分词器的组成 Character filters Tokenizers Token filters 分词的过程写入时分词搜索时分词测试分词效果分词器的分 ...
Elasticsearch 默认分词器和中分分词器之间的比较及使用方法
首发地址:http://www.54tianzhisheng.cn/2017/09/07/Elasticsearch-analyzers/ 介绍:ElasticSearch 是一个基于 Lucene ...
Elasticsearch 系列文章（一）：Elasticsearch 默认分词器和中分分词器之间的比较及使用方法
介绍:ElasticSearch 是一个基于 Lucene 的搜索服务器.它提供了一个分布式多用户能力的全文搜索引擎,基于 RESTful web 接口.Elasticsearch 是用 Java 开 ...
Elasticsearch之分词器的工作流程
前提什么是倒排索引? Elasticsearch之分词器的作用 Elasticsearch的分词器的一般工作流程: 1.切分关键词 2.去除停用词 3.对于英文单词,把所有字母转为小写(搜索时不区分 ...
ElasticSearch IK 分词器快速上手
简介: ElasticSearch IK 分词器快速上手一.安装 IK 分词器 1.分配伪终端我的 ElasticSearch 是使用 Docker 安装的,所以先给容器分配一个伪终端.之后就可以 ...
【Es】ElasticSearch 自定义分词器
1.分词器转载:https://blog.csdn.net/gwd1154978352/article/details/83343933 分词器首先看文章:[Elasticsearch]Elasti ...
【Elasticsearch】Elasticsearch analyzer 分词器
文章目录 1.概述 1.1 什么是analysis? 2.发生时期 3.开箱即用analyzer 3.1 默认的分词器 3.Analyze API 4.分词器介绍 4.1.标准分词器 Standard ...
Elasticsearch之分词器查询分词效果
0.引言 Elasticsearch之分词器中文的我们一般使用IK,如果没有指定分词器.默认使用的是standard分词. IK分词能将中文分成词组: standard分词则会将每个中文分成一个单个的 ...

Elasticsearch：ICU 分词器介绍

安装

例子

Elasticsearch：ICU 分词器介绍相关推荐

最新文章

热门文章