配置IKAnalyzer扩展词库

本文详细介绍了如何在Elasticsearch中配置IKAnalyzer的扩展字典和停止词字典,通过自定义my.dic文件实现特定词汇不分词,确保如'王者荣耀'等专有名词的完整性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在Elasticsearch的安装目录下找到文件IKAnalyzer.cfg.xml,内容如下:

<?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">custom/mydict.dic;custom/single_word_low_freq.dic</entry>
	 <!--用户可以在这里配置自己的扩展停止词字典-->
	<entry key="ext_stopwords">custom/ext_stopword.dic</entry>
	<!--用户可以在这里配置远程扩展字典 -->
	<!-- <entry key="remote_ext_dict">words_location</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>
<entry key="ext_dict">custom/mydict.dic;custom/single_word_low_freq.dic</entry>

这行中定义了扩展分词,即哪些词汇不拆分,标签中配置的是文件路径,默认在custom文件夹下,自定义扩展分词的时候首先在custom文件夹下新增一个文件my.dic,将文件的路径添加到以上标签如下:

<entry key="ext_dict">custom/my.dic;custom/mydict.dic;custom/single_word_low_freq.dic</entry>

注意事项:

1.定义的my.dic文件必须使用无BOM的UTF-8编码保存的文件。如果不确定什么是无BOM的UTF-8编码,最简单的方式就是用Notepad++编辑器打开,Encoding->选择 Encoding in UTF-8 without BOM,然后保存。若Notepad++没有该编码,则如下操作即可:

2.建议不要使用记事本等其他方式打开,否则会修改编码的方式,使扩展分词失效

案例如下:

在没有配置扩展分词前:

中文ik分词词库里面将“王者荣耀”是分开的,但是我们又不愿意将其分开则可以使用扩展分词,按照上面的步骤配置,文件如下:

 

重启ES,查询结果如下:

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

荒--

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值