ElasticSearch实战系列02 SpringBoot + ElasticSearch 7.7 实现高仿QQ用户搜索：中文+拼音混合检索，并高亮显示_springboot+elasticsearch 实现中文首字母全拼混合搜索-CSDN博客

本文链接：https://blog.csdn.net/qq_36095679/article/details/109204808

本文导读

本文仿照QQ的用户搜索，搭建一个中文+拼音的混合检索系统，并高亮显示检索字段。全文共分为以下几部分：

1、项目简介，包括需求描述与分析等；
2、项目开发，通过两个版本的index，验证并完成需求；
3、从分词和高亮原理入手，深度分析高亮显示问题；
4、SpringBoot+RestHighLevelClient 完成项目开发。

【ps：留言区附完整版项目源码地址】

01 项目简介

本项目基于ElasticSearch 7.7.1，analysis-pinyin 7.7.1，参考QQ的用户搜索效果，完成一个中文+拼音的混合检索系统。（ElasticSearch的安装请参考在docker中安装ES）

1.1 检索场景示例

中文+首字母+全拼检索

其实QQ的用户检索是有很多限制的，比如说首字母检索时，必须从第一个字开始匹配【输入“gz”，可以检索到“关注我”，但是不能检索到“我关注”】；

再比如说全拼+首字母检索时，全拼必须在前面【输入“guanz”，可以检索到“关注我”，但是输入“gzhu”，是不能检索到结果的】；

至于为什么会有如此限制，个人猜测是考虑检索性能（PS：欢迎留言讨论）。

1.2 检索需求描述

参考QQ，列出“用户检索系统”的需求如下：

1）支持首字母检索；
2）支持首字母+全拼检索；
3）支持中文+首字母+全拼混合检索；
4）检索词有中文，则必须包含；
5）高亮显示检索命中词。

1.3 需求分析

从需求1，可知，需要建立【首字母的倒排索引】；

从需求2，可知，需要建立【全拼的倒排索引】；

02 项目开发

2.1 第一个版本

根据上面的分析，参考 analysis-pinyin 官网，创建了第一版index：

ps：关于 analysis-pinyin 各个配置项的含义可参考官网PUT /user_index/{  "settings": {    "index": {      "number_of_shards": 1,      "number_of_replicas": 1    },    "analysis": {      "analyzer": {        "pinyin_analyzer": {          "tokenizer": "my_pinyin"        }      },      "tokenizer": {        "my_pinyin": {          "type": "pinyin",          "keep_first_letter": true,          "keep_separate_first_letter": true,          "keep_full_pinyin": true,          "keep_original": false,          "limit_first_letter_length": 16,          "lowercase": true        }      }    }  },  "mappings": {    "dynamic": false,    "properties": {      "nickName": {        "type": "keyword",        "fields": {          "pinyin": {            "type": "text",            "store": false,            "analyzer": "pinyin_analyzer"          }        }      }    }  }}

使用_analyze接口，看下分词效果：

GET user_index/_analyze{  "field": "nickName.pinyin",  "text": [    "关注我"  ]}# 结果如下：{  "tokens" : [    {      "token" : "g",      "start_offset" : 0,      "end_offset" : 0,      "type" : "word",      "position" : 0    },    {      "token" : "guan",      "start_offset" : 0,      "end_offset" : 0,      "type" : "word",      "position" : 0    },    {      "token" : "gzw",      "start_offset" : 0,      "end_offset" : 0,      "type" : "word",      "position" : 0    },    {      "token" : "z",      "start_offset" : 0,      "end_offset" : 0,      "type" : "word",      "position" : 1    },    {      "token" : "zhu",      "start_offset" : 0,      "end_offset" : 0,      "type" : "word",      "position" : 1    },    {      "token" : "w",      "start_offset" : 0,      "end_offset" : 0,      "type" : "word",      "position" : 2    },    {      "token" : "wo",      "start_offset" : 0,      "end_offset" : 0,      "type" : "word",      "position" : 2    }  ]}

一切都ok，好像能满足需求，插入几条数据，验证下：

POST _bulk{"index":{"_index":"user_index","_id":"1"}}{"nickName":"关注我"}{"index":{"_index":"user_index","_id":"2"}}{"nickName":"我关注"}{"index":{"_index":"user_index","_id":"3"}}{"nickName":"系统学ES就关注我"}{"index":{"_index":"user_index","_id":"4"}}{"nickName":"系统学ES"}

试试检索效果：

GET /user_index/_search{  "query": {    "match_phrase": {      "nickName.pinyin": "guanz我"    }  }}结果如下：    "hits" : [      {        "_index" : "user_index",        "_type" : "_doc",        "_id" : "1",        "_score" : 1.9991971,        "_source" : {          "nickName" : "关注我"        }      },      {        "_index" : "user_index",        "_type" : "_doc",        "_id" : "3",        "_score" : 1.4875543,        "_source" : {          "nickName" : "系统学ES就关注我"        }      }    ]

经过测试，发现是可以满足需求1、2、3的（有兴趣的小伙伴可以自己试试哟）。

但别忘了，我们还有需求4和5，关于需求4，可以简单的使用 post_filter 后置过滤完成需求。

对于高亮显示，ES本身是提供了 highlight 语法的，写个DSL验证一下：

# 检索语句GET /user_index/_search{  "query": {    "match_phrase": {      "nickName.pinyin": "guanz我"    }  },  "highlight": {    "fields": {      "nickName.pinyin": {}    }  }}# 部分结果           {        "_index" : "user_index",        "_type" : "_doc",        "_id" : "1",        "_score" : 1.9991971,        "_source" : {          "nickName" : "关注我"        },        "highlight" : {          "nickName.pinyin" : [            "<em></em><em></em><em></em>关注我"          ]        }      }