基于HanLP自然语言处理包的elasticsearch分词器

git clone this project
mvn clean install
cp hanlp-tokenizer-0.1.tar.gz /your/es/plugins/
tar -zxvf hanlp-tokenizer-0.1.tar.gz
rm hanlp-tokenizer-0.1.tar.gz
restart es

所有版本都支持
hanlp_search nlp分词
hanlp_index 索引分词
hanlp_synonym 同义词索引分词
7已上版本支持
hanlp_pinyin 索引文词+智能拼音分词（仅根据hanlp的拼音结果，多音字只选一个最可能的）
hanlp_pinyin_polyphone 索引分词+全部拼音分词（多音字全部拼音可能性索引）

POST http://localhost:9200/<index_name>/_analyze?pretty=true
{
    "analyzer": "hanlp_pinyin",
    "text": "快乐星球"
}

{
    "tokens": [
        {
            "token": "快乐",
            "start_offset": 0,
            "end_offset": 2,
            "type": "a",
            "position": 0
        },
        {
            "token": "kl",
            "start_offset": 0,
            "end_offset": 2,
            "type": "a",
            "position": 1
        },
        {
            "token": "kuaile",
            "start_offset": 0,
            "end_offset": 2,
            "type": "a",
            "position": 2
        },
        {
            "token": "星球",
            "start_offset": 2,
            "end_offset": 4,
            "type": "n",
            "position": 3
        },
        {
            "token": "xq",
            "start_offset": 2,
            "end_offset": 4,
            "type": "n",
            "position": 4
        },
        {
            "token": "xingqiu",
            "start_offset": 2,
            "end_offset": 4,
            "type": "n",
            "position": 5
        }
    ]
}

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
	<comment>HanLP 扩展配置</comment>
	<!--用户可以在这里配置远程扩展字典 -->
	<entry key="remote_ext_dict">http://your/used/dictionary</entry>
	<!--用户可以在这里配置远程扩展停止词字典-->
	<entry key="remote_ext_stopwords">http://your/stop/dictionary</entry>
	<!--用户可以在这里配置远程同义词字典-->
	<entry key="remote_ext_synonyms">http://your/sysnonym/dictionary</entry>
</properties>

天气 n_tianqi
气温 n_tianqi
气象 n_tianqi
温度 n_tianqi
前天 t_day
后天 t_day
今天 t_day
昨天 t_day
明天 t_day

但是
何
何以
何况
何处
何时
余外
作为

人 士 人物 人士 人氏 人选
人类 生人 全人类
人手 人员 人口 人丁 口 食指
劳力 劳动力 工作者

分词器每分钟会以HEAD方式访问用户配置的词典接口
从response中获取header：ETag、Last-Modified
若这两个header有一个有变化，则以GET方式访问接口并更新词典
更新时：
    若用户词典中的词存在，则跳过
    若同义词典中的词存在，则合并