HanLP 中文分词器是一个开源的分词器,是专为Elasticsearch而设计的。它是基于HanLP,并提供了HanLP中大部分的分词方式。它的源码位于:
https://github.com/KennFalcon/elasticsearch-analysis-hanl
从Elasticsearch 5.2.2开始,一直有跟随Elasticsearch的不同发行版而更新。
安装
1) 方式一:
a. 下载对应的release安装包,最新release包可从baidu盘下载(链接:https://pan.baidu.com/s/1mFPNJXgiTPzZeqEjH_zifw 密码:i0o7)
b. 执行如下命令安装,其中PATH为插件包绝对路径:
1 | ./bin/elasticsearch-plugin install file://${PATH} |
2)方式二:
a. 使用elasticsearch插件脚本安装command如下:
1 | ./bin/elasticsearch-plugin install https://github.com/KennFalcon/elasticsearch-analysis-hanlp/releases/download/v7.4.2/elasticsearch-analysis-hanlp-7.4.2.zip |
安装完后,我们可以使用如下的方式来验证我们的安装是否成功:
1 | $ ./bin/elasticsearch-plugin list |
如果我们安装时成功的话,我们可以看到上面的输出。
安装数据包
release包中存放的为HanLP源码中默认的分词数据,若要下载完整版数据包,请查看HanLP Release。
数据包目录:ES_HOME/plugins/analysis-hanlp
注:因原版数据包自定义词典部分文件名为中文,这里的hanlp.properties中已修改为英文,请对应修改文件名
重启Elasticsearch
注:上述说明中的ES_HOME为自己的ES安装路径,需要绝对路径。
这一步非常重要。如果我们不重新启动,新安装的分词器将不会工作。
热更新
在本版本中,增加了词典热更新,修改步骤如下:
a. 在ES_HOME/plugins/analysis-hanlp/data/dictionary/custom目录中新增自定义词典
b. 修改hanlp.properties,修改CustomDictionaryPath,增加自定义词典配置
c. 等待1分钟后,词典自动加载
注:每个节点都需要做上述更改
提供的分词方式说明
- hanlp: hanlp默认分词
- hanlp_standard: 标准分词
- hanlp_index: 索引分词
- hanlp_nlp: NLP分词
- hanlp_n_short: N-最短路分词
- hanlp_dijkstra: 最短路分词
- hanlp_crf: CRF分词(已有最新方式)
- hanlp_speed: 极速词典分词
我们来做一个简单的例子:
1 | GET _analyze |
那么显示的结果为:
1 | { |
更多详细阅读,请参阅链接https://github.com/KennFalcon/elasticsearch-analysis-hanlp