Elasticsearch1.x 拼音分词实现全拼首字母中文混合搜索

一、插件简介

elasticsearch-analysis-lc-pinyin是一款elasticsearch拼音分词插件，可以支持按照全拼、首字母，中文混合搜索。

首先举个栗子说明下，我们在淘宝搜索框中输入“jianpan” 可以搜索到关键字包含“键盘”的商品。不仅仅输入全拼，有时候我们输入首字母、拼音和首字母、中文和首字母的混合输入，比如：“键pan”、“j盘”、“jianp”、“jpan”、“jianp”、“jp”  等等，都应该匹配到键盘。通过elasticsearch-analysis-lc-pinyin这个插件就能做到类似的搜索

二、安装插件

elasticsearch-analysis-lc-pinyin一共有两个版本分别是1.4.5和2.2.2，和es的版本对应

1.4.5 这个版本对应ES1.X

2.2.2这个版本对应ES2.X

请根据需要安装对应的版本，下面地址中压缩包已经包含了这两个版本

es2.x的安装请参考：Elasticsearch2.x 拼音分词插件lc-pinyin安装教程_飞奔的代码的博客-CSDN博客

下载地址：elasticsearch-analysis-lc-pinyin拼音分词器-Java代码类资源-CSDN下载

当然也可以自己下载elasticsearch-analysis-lc-pinyin的源码自己maven  build出来，这样可以避免版本冲突

git 地址：http://git.oschina.net/music_code_m/elasticsearch-analysis-lc-pinyin

如下，我已将下载下来的包放在 /home/chennan/soft 目录下，下面我将以elasticsearch1.4.5为例安装elasticsearch-analysis-lc-pinyin-1.4.5拼音分词器

进入到es的plugins目录，下面是未安装时的样子

接着打开终端命令行执行如下命令安装插件

https://blog.csdn.net/Leon_Jinhai_Sun/article/details/https://blog.csdn.net/Leon_Jinhai_Sun/article/bin/plugin --install analysis-lc-pinyin --url file:/home/chennan/soft/elasticsearch-analysis-lc-pinyin-1.4.5.zip

粗线上面结果就表示安装成功了 ^ ^，安装完成后会在plugins目录下生成一个 analysis-lc-pinyin的目录，如下

接下来配置elasticsearch.yml，在末尾加上如下配置，如下因为我也安装了IK分词器所以配置这样，如果你没有安装IK可以将下面ik的部分删除

index:
  analysis:
    analyzer:
      ik:
          alias: [ik_analyzer]
          type: org.elasticsearch.index.analysis.IkAnalyzerProvider
      ik_max_word:
          type: ik
          use_smart: false
      ik_smart:
          type: ik
          use_smart: true
      lc:
         alias: [lc_analyzer]
         type: org.elasticsearch.index.analysis.LcPinyinAnalyzerProvider
      lc_index:
         type: lc
         analysisMode: index
      lc_search:
         type: lc
         analysisMode: search

然后启动es，这里我启动两个节点。从启动日志中可以看到es成功加载了拼音插件，如下

到这里，插件就安装完成了。我们可以通过一个简单的curl命令来测试分词器时候正常工作

curl -XGET '192.168.0.107:9200/_analyze?analyzer=lc_search&pretty' -d 'dafeiji'

输入“dafeiji”可以切分出来“da”、“fei”、“ji” 证明一切都OK啦

接下来就来试试借助这个拼音分词器来执行搜索，看看效果

1、首先建立一个索引 ，然后执行putmapping , 这里的索引名叫index，type叫fulltext，其中content这个字段采用拼音分词。注意这里用到两个不同的分词器

索引过程采用：lc_index分词器

搜索过程采用：lc_search分词器

curl -XPUT http://localhost:9200/index
curl -XPOST http://localhost:9200/index/fulltext/_mapping -d'
{
    "fulltext": {
             "_all": {
            "index_analyzer": "lc_index",
            "search_analyzer": "lc_search",
            "term_vector": "no",
            "store": "false"
        },
        "properties": {
            "content": {
                "type": "string",
                "store": "no",
                "term_vector": "with_positions_offsets",
                "index_analyzer": "lc_index",
                "search_analyzer": "lc_search",
                "include_in_all": "true",
                "boost": 8
            }
        }
    }
}'

然后索引几条数据，这里索引的4个公司的名称，陆金所、阿里巴巴、腾讯、百度、如下：

接下来执行几个搜索，查询的DSL像这样

{
  "query": {
    "match": {
      "content": {
        "query": "bai度",
        "analyzer": "lc_search",
        "type": "phrase"
      }
    }
  },
  "highlight": {
    "pre_tags": [
      "<tag1>"
    ],
    "post_tags": [
      "</tag1>"
    ],
    "fields": {
      "content": {}
    }
  }
}

 

搜索“bai度”

搜索“阿li巴b”

搜索“ljs”

搜索“alibb”

搜索“lujinsuo”

下面使用es 客户端来做查询

@Test
    public void testPinyinSearch() {
        final String index = "index";
        final String type = "fulltext";
        SearchRequestBuilder requestBuilder = elasticIndexOperateHelper.getClient().prepareSearch(index).setTypes(type);
        QueryBuilder pinyinSearch = QueryBuilders
                .matchQuery("content", "lu金s")
                .type(MatchQueryBuilder.Type.PHRASE)
                .analyzer("lc_search")
                .zeroTermsQuery(MatchQueryBuilder.ZeroTermsQuery.NONE);
        SearchResponse response = requestBuilder
                .setQuery(pinyinSearch)
                .setHighlighterPreTags("</tag1>")
                .setHighlighterPostTags("<tag1>")
                .addHighlightedField("content")
                .execute().actionGet();
        System.out.println(response);
    }

查询结果如下：