ES全文检索支持拼音和繁简检索

周全全2024-04-30 23:43

ES全文检索支持拼音和繁简检索

  • [1. 实现目标](#1. 实现目标)
  • [2. 引入pinyin插件](#2. 引入pinyin插件)
    • [2.1 编译 elasticsearch-analysis-pinyin 插件](#2.1 编译 elasticsearch-analysis-pinyin 插件)
    • [2.2 安装拼音插件](#2.2 安装拼音插件)
  • [3. 引入ik分词器插件](#3. 引入ik分词器插件)
    • [3.1 已有作者编译后的包文件](#3.1 已有作者编译后的包文件)
    • [3.2 只有源代码的版本](#3.2 只有源代码的版本)
    • [3.3 安装ik分词插件](#3.3 安装ik分词插件)
  • [4. 建立es索引](#4. 建立es索引)
  • 5.测试检索
  • [6. 繁简转换](#6. 繁简转换)

1. 实现目标

ES检索时无论输入简体还是繁体都要能够被检索到，例如检索时输入"語法"或者"语法"，检索结果中无论是简体繁体都务必要被命中。

并且也要正确的高亮返回

2. 引入pinyin插件

拼音分词器（pinyin analyzer）通常需要自行引入，因为它不是 Elasticsearch 的默认分词器。可以使用 Elasticsearch 的插件来引入 pinyin 分词器，以便在索引中使用它。

2.1 编译 elasticsearch-analysis-pinyin 插件

选择与自己版本一致的版本，插件地址：

https://github.com/medcl/elasticsearch-analysis-pinyin/releases

elasticsearch-analysis-pinyin分词器目前没有下载即可使用的安装包，需要自己下载源码进行编译。可以在项目目录elasticsearch-analysis-pinyin\target\releases看到编译后的结果elasticsearch-analysis-pinyin-7.17.11.zip

2.2 安装拼音插件

然后在es的安装目录下plugins目录下新建pinyin目录，并将解压后的文件复制到该目录下

重启es，启动日志中已经加载了拼音插件

3. 引入ik分词器插件

GitHub下载地址：Releases · infinilabs/analysis-ik · GitHub

3.1 已有作者编译后的包文件

选择与所需es版本相同的ik分词器，下载已经打包后的.zip文件

3.2 只有源代码的版本

首先下载源码解压后使用idea打开，修改es版本与分词器版本相同

使用 mvn clean install 打包时报错：

复制代码 
[ERROR] Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.5.1:compile (default-compile) on project elasticsearch-analysis-ik: Compilation failure
[ERROR] /D:/PersonalProjects/analysis-ik-7.17.11/analysis-ik-7.17.11/src/main/java/org/elasticsearch/index/analysis/IkAnalyzerProvider.java:[13,9] 无法将类 org.elasticsearch.index.analysis.AbstractIndexAnalyzerProvider<T>中的构造器 
AbstractIndexAnalyzerProvider应用到给定类型;
[ERROR]   需要: org.elasticsearch.index.IndexSettings,java.lang.String,org.elasticsearch.common.settings.Settings
[ERROR]   找到: java.lang.String,org.elasticsearch.common.settings.Settings

修改代码报错部分：增加indexSetting参数到super入参的第一个位置

使用mvn clean install进行打包，注意我们所需的是/target/release目录下的.zip压缩包

3.3 安装ik分词插件

将下载或者编译后的.zip文件解压到es的安装目录下的plugins目录下，并重命名为ik

然后启动es，查看日志可发现已经加载的ik分词器

常规的最常用的使用方式就是，数据插入存储时用 ik_max_word模式分词，而检索时，用ik_smart模式分词，即：索引时最大化的将文章内容分词，搜索时更精确的搜索到想要的结果。

建立映射示例如下：在数据被索引时我们设置"analyzer": "ik_max_word"，在检索时指定"search_analyzer": "ik_smart"

4. 建立es索引

setting.json

json 复制代码 
{
  "aliases": {
  },
  "settings": {
    "index": {
      "refresh_interval": "3s",
      "number_of_shards": "3",
      "number_of_replicas": "1",
      "max_inner_result_window": "10000",
      "max_result_window": "20000",
      "analysis": {
        "filter": {
          "pinyin_full_filter": {
            "keep_joined_full_pinyin": "true",
            "lowercase": "true",
            "keep_original": "false",
            "keep_first_letter": "false",
            "keep_separate_first_letter": "false",
            "type": "pinyin",
            "keep_none_chinese": "false",
            "limit_first_letter_length": "50",
            "keep_full_pinyin": "true"
          },
          "pinyin_simple_filter": {
            "keep_joined_full_pinyin": "true",
            "lowercase": "true",
            "none_chinese_pinyin_tokenize": "false",
            "padding_char": " ",
            "keep_original": "true",
            "keep_first_letter": "true",
            "keep_separate_first_letter": "false",
            "type": "pinyin",
            "keep_full_pinyin": "false"
          }
        },
        "analyzer": {
          "pinyinFullIndexAnalyzer": {
            "filter": [
              "asciifolding",
              "lowercase",
              "pinyin_full_filter"
            ],
            "type": "custom",
            "tokenizer": "ik_max_word"
          },
          "pinyinSimpleIndexAnalyzer": {
            "filter": [
              "pinyin_simple_filter",
              "lowercase"
            ],
            "type": "custom",
            "tokenizer": "ik_max_word"
          },
          "ik_pinyin_analyzer": {
            "filter": [
              "asciifolding",
              "lowercase",
              "pinyin_full_filter",
              "word_delimiter"
            ],
            "type": "custom",
            "tokenizer": "ik_smart"
          },
          "ikIndexAnalyzer": {
            "filter": [
              "asciifolding",
              "lowercase",
              "pinyin_full_filter",
              "word_delimiter"
            ],
            "type": "custom",
            "tokenizer": "ik_max_word"
          }
        }
      }
    }
  },
  "mappings": {
    "dynamic": "false"
  }
}

mapping.json

json 复制代码 
{
  "properties": {
    "nickName": {
      "type": "text",
      "analyzer": "ikIndexAnalyzer",
      "search_analyzer": "ik_pinyin_analyzer",
      "fields": {
        "full": {
          "type": "text",
          "analyzer": "pinyinFullIndexAnalyzer"
        },
        "simple": {
          "type": "text",
          "analyzer": "pinyinSimpleIndexAnalyzer"
        }
      }
    }
  }
}

mapping.json 文件定义了 Elasticsearch 索引中的字段映射和分析器设置:

  1. analyzer ：定义了在索引时使用的分析器。在搜索时会用这个分析器来处理查询字符串，使之与索引中的文本数据匹配。ikIndexAnalyzer 分析器使用了 ik_max_word 分词器（tokenizer），并应用了一系列过滤器（filter），包括 ASCII 折叠、小写转换、拼音处理和词分割。

  2. search_analyzer ：定义了在搜索时使用的分析器。ik_pinyin_analyzer分析器用于处理查询字符串，在进行搜索时与索引中的数据进行匹配。

  3. fields ：定义了为同一个字段创建不同的索引方式。在这个示例中，为 nickName 字段创建了两个额外的索引方式：full 和 simple。

    • full ：使用了 pinyinFullIndexAnalyzer 分析器，它将 nickName 字段的文本进行全拼音分析，用于支持全拼音搜索。

    • simple ：使用了 pinyinSimpleIndexAnalyzer 分析器，它将 nickName 字段的文本进行简拼音分析，用于支持简拼音搜索。

5.测试检索

新增测试数据

json 复制代码 
PUT /zzt_works/_doc/2
{
 "nickName":"語法講義"
} 

PUT /zzt_works/_doc/3
{
 "nickName":"语法讲义"
}

中文简写查询

中文繁体查询

拼音全拼查询

拼音简拼查询

6. 繁简转换

如果需求只需要繁简转换，可使用以下设置和映射配置

index.json

json 复制代码 
{
  "aliases": {
  },
  "settings": {
    "index": {
      "refresh_interval": "3s",
      "number_of_shards": "3",
      "number_of_replicas": "1",
      "max_inner_result_window": "10000",
      "max_result_window": "20000",
      "analysis": {
        "filter": {
          "pinyin_full_filter": {
            "keep_joined_full_pinyin": "true",
            "lowercase": "true",
            "keep_original": "false",
            "keep_first_letter": "false",
            "keep_separate_first_letter": "false",
            "type": "pinyin",
            "keep_none_chinese": "false",
            "limit_first_letter_length": "50",
            "keep_full_pinyin": "true"
          }
        },
        "analyzer": {
          "ik_pinyin_analyzer": {
            "filter": [
              "asciifolding",
              "lowercase",
              "pinyin_full_filter",
              "word_delimiter"
            ],
            "type": "custom",
            "tokenizer": "ik_smart"
          },
          "ikIndexAnalyzer": {
            "filter": [
              "asciifolding",
              "lowercase",
              "pinyin_full_filter",
              "word_delimiter"
            ],
            "type": "custom",
            "tokenizer": "ik_max_word"
          }
        }
      }
    }
  },
  "mappings": {
    "dynamic": "false"
  }
}

mapping.json

json 复制代码 
{
  "properties": {
    "nickName": {
      "type": "text",
      "analyzer": "ikIndexAnalyzer",
      "search_analyzer": "ik_pinyin_analyzer"
    }
  }
}
相关推荐
喂完待续3 小时前
Apache Hudi：数据湖的实时革命
大数据·数据仓库·分布式·架构·apache·数据库架构
青云交3 小时前
Java 大视界 -- 基于 Java 的大数据可视化在城市交通拥堵治理与出行效率提升中的应用（398）
java·大数据·flink·大数据可视化·拥堵预测·城市交通治理·实时热力图
还是大剑师兰特9 小时前
Flink面试题及详细答案100道（1-20）- 基础概念与架构
大数据·flink·大剑师·flink面试题
水无痕simon11 小时前
5 索引的操作
数据库·elasticsearch
1892280486113 小时前
NY243NY253美光固态闪存NY257NY260
大数据·网络·人工智能·缓存
武子康13 小时前
大数据-70 Kafka 日志清理：删除、压缩及混合模式最佳实践
大数据·后端·kafka
CCF_NOI.15 小时前
解锁聚变密码：从微观世界到能源新未来
大数据·人工智能·计算机·聚变
杨荧15 小时前
基于Python的电影评论数据分析系统 Python+Django+Vue.js
大数据·前端·vue.js·python
数据智研16 小时前
【数据分享】上市公司创新韧性数据（2007-2023）
大数据·人工智能
辞--忧1 天前
双十一美妆数据分析：洞察消费趋势与行业秘密
大数据
热门推荐
01UV安装并设置国内源02KGG转MP3工具|非KGM文件|解密音频03【2025.08.06最新版】Android Studio下载、安装及配置记录（自动下载sdk）04Qwen3-Coder 快速上手教程 | Qwen Code + Claude Code052025最新国内服务器可用docker源仓库地址大全（2025年8月更新）06蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接07TRAE 规则（Rules）配置指南：个人习惯、团队规范与最佳实践08NVIDIA显卡驱动、CUDA、cuDNN 和 TensorRT 版本匹配指南09TRAE Rules 实践：为项目配置 6A 工作流10全球最强模型Grok4，国内已可免费使用！（附教程）