SpringBoot+ElasticSearch实战系列02 高

原文链接：中文+拼音混合检索，并高亮显示

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 SpringBoot + ElasticSearch】

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"
          ]
        }
      }

发现居然没办法高亮！这可不行呀，这么简单的需求，必须实现了！

通过阅读 ES官方文档 + 不断尝试，终于找到原因，完美解决。

解决方案请阅读：

中文+拼音混合检索，并高亮显示​mp.weixin.qq.com