2022还在使用Mysql进行数据检索？ElasticSearch自定义扩展词库完成检索

---

1.为什么要自定义扩展ES词库呢？

虽然IK-中文分词器已经很强悍了，能够识别大多数的词汇，但是对于网络中新兴的网络词汇是无法识别的(比如“爷青回” “打工人”)

下图是我在Kibana对“爷青回”的分词情况

分词结果如下：

本身我们想让“爷青回”作为一个词，由于是网络词汇，IK-分词器是无法识别出的，所以需要我们自定义扩展词库

2.如何自定义扩展词库呢？

有两种思路，如下所示：

• Ⅰ.我们构建一个词库服务器，让IK分词器给我们的词库服务器发送请求即可
• Ⅱ.使用web服务器保存我们的词库；例如nginx服务器，只需要将我们的词汇保存到nginx，然后让IK分词器向nginx发送请求即可。

3.Docker安装Nginx

(1)新建文件夹方便一会挂载

mkdir -p /mydata/nginx/html
mkdir -p /mydata/nginx/logs
mkdir -p /mydata/nginx/conf

(2)给予这些文件可读可写可执行的权限

cd /mydata/
chmod -R 777 mydata/
-R表示递归mydata下的所有文件给予RWX权限

(3)拉取nginx镜像并运行

docker pull nginx:1.14.2

docker run --name nginx -p 80:80 -v /mydata/nginx/conf/nginx.conf:/etc/nginx/nginx.conf -v /mydata/nginx/conf/conf.d:/etc/nginx/conf.d -v /mydata/nginx/logs:/var/log/nginx -v /mydata/nginx/html:/usr/share/nginx/html -d nginx

–name :表示为该容器起的名字
-p：表示指定端口
-v：表示挂载文件
可以看出我对nginx.conf、conf.d、logs、html进行了文件挂载，方便以后操作

docker ps查看结果

在html文件夹下，新建一个a.html文件，向文件里面追加echo “< a> HELLO </ a>”

浏览器访问http://ip:80/a.html（注意如果是云服务器记得将80端口对外开放）

nginx安装成功！

4.在nginx中保存一个简易词库

后期可以自行扩展，编写一个脚本程序，定时爬取各大网站的热点网络词汇，然后更新到该词库即可。

在html目录下，新建一个word-house文件夹

cd到word-house目录下，新建一个split-word.txt文件，向里面加入如下内容

5.修改IK分词器的配置文件，让其指向nginx保存的词库

进入es容器内部：docker exec -it elasticsearch /bin/bash
cd到指定目录下：cd /usr/share/elasticsearch/plugins/ik/config

编辑IKAnalyzer.cfg.xml：vi IKAnalyzer.cfg.xml

打开远程扩展字典

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 扩展配置</comment>
        <!--用户可以在这里配置自己的扩展字典 -->
        <entry key="ext_dict"></entry>
         <!--用户可以在这里配置自己的扩展停止词字典-->
        <entry key="ext_stopwords"></entry>
        <!--用户可以在这里配置远程扩展字典 -->
         <entry key="remote_ext_dict">http://292.168.56.10/word-house/split-word.txt</entry>
        <!--用户可以在这里配置远程扩展停止词字典-->
        <!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

重启ElasticSerach容器：docker restart elasticsearch

6.测试分词效果

重启之后，稍等片刻，访问Kibana


查看分词结果

成功！