相信大家在開發博客，在線商城的時候會涉及到搜索功能。而近幾年火起來的 ElasticSearch（ES）憑借其穩定、可靠、快速的實時搜索普遍受到大家的好評，連 Github、SoundCloud 也都將 ES 作為其核心搜索組件。

但是 ES 本身對中文分詞和搜索比較局限。因為內置的分析器在處理中文分詞時，只有兩種方式：一種是單字（unigrams）形式，即簡單粗暴的將中文的每一個漢字作為一個詞（token）分開；另一種是兩字（bigrams）的，也就是任意相鄰的兩個漢字作為一個詞分開。這兩種方式都不能很好的滿足現在的中文分詞需求，進而影響了搜索結果。

舉個例子：
假設我們的 index 里面存儲了3篇 documents 如下：

idcontent

1	美稱中國武器商很神秘 花巨資海外參展卻一言不發
2	在第一界國際錦標賽中 國家代表李雷勇奪冠軍
3	國武公司近日上市

• Case 1：查詢“中國”，期望只得到 id 為1的 document。

用 unigram 的分析器（即默認的 Standard Analyzer）查詢結果為 id 1和 id 2的content；bigram 的分析器（名為cjk）的結果為id 1。Standard Analyzer 沒有給出預期結果是因為它把“中國”切分為“中”、“國”2個 token，因此誤給出了 id 2的結果。

• Case 2：查詢“國武”這一家公司，期望只得到 id 為3的 document。

Standard Analyzer 和 cjk 的查詢結果都會同時給出 id 1和 id 3的 document，但是 id 1 的 document 中的“國武”并不是所指的公司。

（注：以上查詢均用query_string）

因此我們可以發現內置的分析器有它的局限性，并不能滿足復雜或者特定的搜索需求。為此，玻森數據開發了一款基于玻森中文分詞的 ES 插件（Elasticsearch-Analysis-BosonNLP），方便大家對中文數據進行更精確的搜索。

現在已有一些成熟的 ES 中文分詞插件，但在分詞引擎準確率上，相信 BosonNLP 的中文分詞能滿足大家不同領域上多樣化的需求。有興趣的朋友可以查看11款開放中文分詞引擎大比拼。

接下來，3分鐘教會大家如何安裝使用玻森 ES 中文分詞插件 Beta 版（以 ES 2.2.0 版本為例）：

• 安裝

只需如下一個命令。

$ sudo bin/plugin install https://github.com/bosondata/elasticsearch-analysis-bosonnlp/releases/download/1.3.0-beta/elasticsearch-analysis-bosonnlp-1.3.0-beta.zip

注：對于其他不同版本的 ES，只需要在命令里更換對應的插件版本號即可。

• 使用

需要在elasticsearch.yml文件中的 analyzer 里配置好玻森 bosonnlp analyzer（需要配置 API_TOKEN 以及分詞的參數）。詳情解釋請查看 Github 上的README。

bosonnlp:type: bosonnlpAPI_URL: http://api.bosonnlp.com/tag/analysisAPI_TOKEN: *PUT YOUR API TOKEN HERE*

完成以上步驟之后便可以使用玻森 ES 分詞插件了。

對比之前 Case 2 的查詢： 查詢“國武”這一家公司，期望只得到 id 為3的 document。玻森ES分詞插件搜索結果：

{"took" : 70,"timed_out" : false,"_shards" : {"total" : 5,"successful" : 5,"failed" : 0},"hits" : {"total" : 1,"max_score" : 0.15342641,"hits" : [ {"_index" : "bosonnlp_test","_type" : "text","_id" : "3","_score" : 0.15342641,"_source": {"content":"國武公司近日上市" }} ]} }

當然，如果對分詞有特定需求的小伙伴可以在配置里修改對應的參數。目前，玻森數據對于中文分詞提供了繁簡轉換、新詞發現等功能，能滿足不同領域的搜索需求。

希望這款插件能提升你的工作效率！

GitHub上有具體的說明。這里附上例子中索引 document 的 bash 文件以方便測試。

總結

以上是生活随笔為你收集整理的一行命令让ElasticSearch支持中文分词搜索的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。