共计 3878 个字符,预计需要花费 10 分钟才能阅读完成。
这篇文章主要介绍如何安装 elasticsearch 中文切词插件 hanlp,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!
hanlp 好处的, 就是它的 data 字典比较齐全.
github 上有国人写 hanlp 支持 es 的插件
https://github.com/pengcong90/elasticsearch-analysis-hanlp
下载它的安装
release
包
下载发现解压按它的安装要求总找不到 hanlp.properties 文件
将源码 git 下来, 发现路径有问题.
package org.elasticsearch.index.analysis;import com.hankcs.hanlp.HanLP;import com.hankcs.hanlp.utility.Predefine;import com.hankcs.lucene4.HanLPIndexAnalyzer;import org.elasticsearch.common.inject.Inject;import org.elasticsearch.common.inject.assistedinject.Assisted;import org.elasticsearch.common.settings.Settings;import org.elasticsearch.env.Environment;import org.elasticsearch.index.IndexSettings;/**
*/public class HanLPAnalyzerProvider extends AbstractIndexAnalyzerProvider HanLPIndexAnalyzer { private final HanLPIndexAnalyzer analyzer; private static String sysPath = String.valueOf(System.getProperties().get(user.dir)); @Inject
public HanLPAnalyzerProvider(IndexSettings indexSettings, Environment env, @Assisted String name, @Assisted Settings settings) { super(indexSettings, name, settings); // 原来路径
//Predefine.HANLP_PROPERTIES_PATH = sysPath.substring(0, sysPath.length()-4) + /plugins/analysis-hanlp/hanlp.properties
// 修改后正确路径
Predefine.HANLP_PROPERTIES_PATH = sysPath + /plugins/analysis-hanlp/hanlp.properties
analyzer = new HanLPIndexAnalyzer(true);
}
public static HanLPAnalyzerProvider getIndexAnalyzerProvider(IndexSettings indexSettings, Environment env, String name, Settings settings) { return new HanLPAnalyzerProvider(indexSettings, env, name, settings);
}
public static HanLPAnalyzerProvider getSmartAnalyzerProvider(IndexSettings indexSettings, Environment env, String name, Settings settings) { return new HanLPAnalyzerProvider(indexSettings, env, name, settings);
} @Override
public HanLPIndexAnalyzer get() { return this.analyzer;
}
}
因为它的 hanlp 版本是 1.2.8, 最新版本是 1.5.4
修改 pom.xml 为
dependency
groupId com.hankcs /groupId
artifactId hanlp /artifactId
version portable-1.5.4 /version
!-- systemPath ${pom.basedir}/lib/hanlp-1.2.8.jar /systemPath --
!-- scope system /scope --
/dependency
打包编译
在 $ES_HOME 下 /plugins 建立 analysis-hanlp 文件
目录下结构为
hanlp.properties 属性 (可以直接从
https://github.com/hankcs/HanLP
的 realease 下载修改 root 路径就行了 )
#本配置文件中的路径的根目录,根目录 + 其他路径 = 完整路径(支持相对路径,请参考:https://github.com/hankcs/HanLP/pull/254)#Windows 用户请注意,路径分隔符统一使用 /root=/opt/elasticsearch-5.5.1/plugins/analysis-hanlp#核心词典路径 CoreDictionaryPath=data/dictionary/CoreNatureDictionary.txt#2 元语法词典路径 BiGramDictionaryPath=data/dictionary/CoreNatureDictionary.ngram.txt#停用词词典路径 CoreStopWordDictionaryPath=data/dictionary/stopwords.txt#同义词词典路径 CoreSynonymDictionaryDictionaryPath=data/dictionary/synonym/CoreSynonym.txt#人名词典路径 PersonDictionaryPath=data/dictionary/person/nr.txt#人名词典转移矩阵路径 PersonDictionaryTrPath=data/dictionary/person/nr.tr.txt#繁简词典根目录 tcDictionaryRoot=data/dictionary/tc#自定义词典路径,用; 隔开多个自定义词典,空格开头表示在同一个目录,使用“文件名 词性”形式则表示这个词典的词性默认是该词性。优先级递减。#另外 data/dictionary/custom/CustomDictionary.txt 是个高质量的词库,请不要删除。所有词典统一使用 UTF- 8 编码。CustomDictionaryPath=data/dictionary/custom/CustomDictionary.txt; 现代汉语补充词库.txt; 全国地名大全.txt ns; 人名词典.txt; 机构名词典.txt; 上海地名.txt ns;data/dictionary/person/nrf.txt nrf;#CRF 分词模型路径 CRFSegmentModelPath=data/model/segment/CRFSegmentModel.txt#HMM 分词模型 HMMSegmentModelPath=data/model/segment/HMMSegmentModel.bin#分词结果是否展示词性 ShowTermNature=true#IO 适配器,实现 com.hankcs.hanlp.corpus.io.IIOAdapter 接口以在不同的平台(Hadoop、Redis 等)上运行 HanLP# 默认的 IO 适配器如下,该适配器是基于普通文件系统的。#IOAdapter=com.hankcs.hanlp.corpus.io.FileIOAdapter
plugin-descriptor.properties 和 plugin-security.policy 属性按
elasticsearch-analysis-hanlp
的 release 包属性修改.
修改 ES 启动, 并启动
vim /opt/elasticsearch-5.5.1config/jvm.options # 新增 -Djava.security.policy=/opt/elasticsearch-5.5.1/plugins/analysis-hanlp/plugin-security.policy
测试安装成功否命令
GET /_analyze?analyzer=hanlp-index pretty=true {
text : 公安部:各地校车将享最高路权 }
data 字典文件从
https://github.com/hankcs/HanLP/releases
下载, 解压就行了.
以上是“如何安装 elasticsearch 中文切词插件 hanlp”这篇文章的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注丸趣 TV 行业资讯频道!