文章我会分三部分来讲解：

第一部分，window下搭建elasticsearch的环境，以及其他插件

第二部分，springboot整合elasticsearch（有一定的分词能力）

第三部分，springboot整合elasticsearch以及ik分词器，做全字段检索（完全分词）

（我的第二篇，《springboot2.x 整合 elasticsearch 创建索引的方式》有更实用的意义，弃用postman创建索引方式，附上项目GitHub地址）

一：window安装部署elasticsearch和elasticsearch-head

现在直接在window下安装部署elasticsearch5.5.3。

这里是下载elasticsearch的官网网址：Download Elasticsearch | Elastic

步骤如下：

接着到github主页，下载相应的版本的zip压缩包。

然后解压到磁盘的某个路径，路径不要包含中文字符。

然后进入bin目录下，双击elasticsearch.bat文件，启动elasticsearch。也可以用控制台，输入elasticsearch.bat，然后按回车键，启动elasticsearch。

启动完成后，在浏览器，输入localhost:9200。查看启动效果，如下图，则表示安装启动elasticsearch5.5.3成功。

接下来，对elasticsearch5.5.3进行一些配置，让elasticsearch-head可以访问elasticsearch。elasticsearch-head是让elasticsearch数据可视化的插件。

在window下使用elasticsearch-head插件，要有node.js环境

安装node.js： node.js下载：Download | Node.js

安装grunt：

grunt是一个很方便的构建工具，可以进行打包压缩、测试、执行等等的工作，5.x里的head插件就是通过grunt启动的。因此需要安装grunt
注意：路径切到nodejs安装目录下，[我安装在C:\Program Files\nodejs]，输入命令： npm install -g grunt-cli
-g代表全局安装
查看版本号，输入命令：grunt -version

elasticsearch-head的下载官网网址：GitHub - mobz/elasticsearch-head: A web front end for an elastic search cluster

同样下载zip包，然后指定路径解压，路径也不要有中文字符。（我是将elasticsearch和elasticsearch-head放在E盘路径下）。

①：修改elasticsearch-head配置，找到 elasticsearch-head-master下的Gruntfile.js,文件，新增：hostname: '0.0.0.0'.

connect: {           server: {                    options: {                         hostname: '0.0.0.0',                          port: 9100,                      base: '.',                        keepalive: true                     }                  }       }

②：修改elasticsearch的配置文件，进入elasticsearch的config目录下，修改elasticsearch.yml文件里面的配置。

cluster.name: elasticsearch
node.name: node-esnetwork.host: 127.0.0.1
http.port: 9200
transport.tcp.port: 9300# 增加新的参数，这样head插件就可以访问es
http.cors.enabled: true
http.cors.allow-origin: "*"

上面7行配置代码，全部都是需要往elasticsearch.yml新增的配置，我特意将它们分割三部分。第一部分的配置，可以在启动elasticsearch之后的页面直接能看到（如我上面启动后截图的①②所示）。最后两个，http.cors.enabled: true, 和 http.cors.allow-origin: "*"，是让head插件访问链接用的配置，不可缺少。

重启elasticsearch。接着在elasticsearch-head-master的目录下，输入命令：grunt server，启动head插件

然后在浏览器输入： localhost:9100

到这里，elasticsearch和elasticsearch-head的安装与配置已经完成。

elasticsearch以及elasticsearch-head的安装与配置，推荐一个网址，这个哥们写得很好，我的配置都是按他的来配置的：在Windows上安装Elasticsearch 5.x - 秦岭过客 - 博客园

二：springboot整合elasticsearch

到springboot官网看你就知道，整合elasticsearch有三种方式：

Connecting to Elasticsearch by REST clients
Connecting to Elasticsearch by Using Jest
Connecting to Elasticsearch by Using Spring Data

这里我是使用第三种方式，spring Data elasticsearch

新建一个springboot工程，我的springboot版本是2.0.0

我的pom.xml文件

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd"><modelVersion>4.0.0</modelVersion><parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId>// 可以直接在这里修改你的springboot版本，我的springboot新建时是2.1.6的，然后在这里修改为2.0.0<version>2.0.0.RELEASE</version>     <relativePath/></parent><groupId>com.gosuncn</groupId><artifactId>esdemo</artifactId><version>0.0.1-SNAPSHOT</version><name>esdemo</name><description>Demo project for Spring Boot</description><properties><java.version>1.8</java.version><elasticsearch.version>5.5.3</elasticsearch.version></properties><dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-elasticsearch</artifactId></dependency><dependency><groupId>org.elasticsearch.client</groupId><artifactId>transport</artifactId><version>5.5.3</version></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId><optional>true</optional></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency></dependencies><build><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId></plugin></plugins></build></project>

然后可以看你springboot导入的elasticsearch.jar的版本

因为spring data elasticsearch 与elasticsearch是要进行版本适配的，不匹配，是不能进行连接的。

细心的朋友，可能已经发现，我的elasticsearch已经存在一个local_library索引了。那我们就以这个索引为例。

这里，我先说明一下，我的local_library索引是怎样创建的。使用postman，提交PUT请求，即可创建local_library索引，以及这个索引下的book类型。

body实体里面的内容如下：在local_library索引下，创建一个book类型。

{"mappings":{"book":{"properties":{"book_id":{"type":"long","fields":{"keyword":{"type":"keyword"}}},"book_code":{"type":"text","fields":{"keyword":{"type":"keyword"}}},"book_name":{"type":"text","fields":{"keyword":{"type":"keyword"}}},"book_price":{"type":"integer","fields":{"keyword":{"type":"keyword"}}},"book_author":{"type":"text","fields":{"keyword":{"type":"keyword"}}},"book_desc":{"type":"text","fields":{"keyword":{"type":"keyword"}}}}}}
}

在elasticsearch-head查看效果如下：(备注：)

接着，有索引，有类型了，可以开始插入数据。插入数据有两种方式，第一种是用postman，第二种是在springboot工程的测试类中插入。

①：用postman插入数据示例：

插入的效果，可以看上面数据截图。

②：用实体类插入数据（包括新增、查询）

新建一个Library实体类：（备注，实体类已经使用lombok插件了）

@Data
@NoArgsConstructor
@AllArgsConstructor
@Document(indexName = "local_library", type = "book")
public class Library {/***     index：是否设置分词*     analyzer：存储时使用的分词器*          ik_max_word*          ik_word*     searchAnalyze：搜索时使用的分词器*     store：是否存储*     type: 数据类型*/@Idprivate Integer book_id;private String book_code;    private String book_name;   private Integer book_price;   private String book_author;    private String book_desc;}

然后编写一个LibraryRepository:

@Repository
public interface LibraryRepository extends ElasticsearchRepository<Library, Long> {
}

然后在测试类中，插入数据：

import com.gosuncn.esdemo.domin.Library;
import com.gosuncn.esdemo.repository.LibraryRepository;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.index.query.QueryStringQueryBuilder;
import org.junit.Test;
import org.junit.runner.RunWith;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.data.domain.Page;
import org.springframework.data.domain.PageRequest;
import org.springframework.data.domain.Sort;
import org.springframework.data.elasticsearch.core.ElasticsearchTemplate;
import org.springframework.data.elasticsearch.core.query.NativeSearchQueryBuilder;
import org.springframework.test.context.junit4.SpringRunner;
import java.util.ArrayList;
import java.util.Iterator;
import java.util.List;@RunWith(SpringRunner.class)
@SpringBootTest
public class EsdemoApplicationTests {@AutowiredElasticsearchTemplate elasticsearchTemplate;@AutowiredLibraryRepository libraryRepository;/*** 插入数据*/@Testpublic void testInsert(){libraryRepository.save(new Library(42, "A00042", "明史简述", 59, "吴晗", "吴晗背景uniworsity厉害"));libraryRepository.save(new Library(43, "A00043", "傅雷家书", 99, "傅聪", "都是NB，class大家u"));libraryRepository.save(new Library(24, "A00942", "时间简史", 169, "霍金", "教授宇宙大爆发的59年历史"));libraryRepository.save(new Library(25, "A00925", "我的前半生", 39, "方舟89子", "都是生活，每晚9点"));libraryRepository.save(new Library(29, "A00029", "围9城", 139, "钱钟书", "你想出城？不存在的"));}
}

到此，这是第二种插入数据的方式。

然后数据有了，就可以进行查询了。查询代码如下：

    // 全字段查询,不分页@Testpublic void testSearch(){try {String searchStr = "三西阿";QueryStringQueryBuilder builder = new QueryStringQueryBuilder(searchStr);Iterable<Library> search = libraryRepository.search(builder);Iterator<Library> iterator = search.iterator();while (iterator.hasNext()){System.out.println("--> 数据："+iterator.next());}}catch (Exception e){System.out.println("---> 异常信息： "+e);}}// 全字段查询, 已经分页@Testpublic void testSearchByPage(){try {String searchStr = "三西阿";QueryStringQueryBuilder builder = new QueryStringQueryBuilder(searchStr);Iterable<Library> search = libraryRepository.search(builder, PageRequest.of(0,2));Iterator<Library> iterator = search.iterator();while (iterator.hasNext()){System.out.println("--> 数据："+iterator.next());}}catch (Exception e){System.out.println("---> 异常信息： "+e);}}

运行第一个test的结果是：

--> 数据：Library{book_id=3, book_code='A0003', book_name='西游记', book_price=99, book_author='吴承恩', book_desc='冒险小说！'}
--> 数据：Library{book_id=6, book_code='A0006', book_name='欢乐颂', book_price=399, book_author='阿耐', book_desc='都是生活真实隐射！'}
--> 数据：Library{book_id=7, book_code='A0007', book_name='都挺好', book_price=299, book_author='阿耐', book_desc='折射现实家庭矛盾！'}
--> 数据：Library{book_id=5, book_code='A0005', book_name='三国演义', book_price=198, book_author='罗贯中', book_desc='三国霸王游戏！'}
--> 数据：Library{book_id=18, book_code='A00018', book_name='编译原理', book_price=79, book_author='赵建华', book_desc='三十多小时，98.5'}
--> 数据：Library{book_id=1, book_code='A0001', book_name='琴帝', book_price=180, book_author='唐家三少', book_desc='最好看的玄幻小说！'}
--> 数据：Library{book_id=12, book_code='A00012', book_name='三重门', book_price=69, book_author='韩寒', book_desc='这是一个批评现实的真实故事'}

三：IK分词器的使用

前面的都是小case，到这里才是我们做全文检索的重点。

3.1：为什么要使用IK分词器

ik分词器，会将你的查询条件语句拆分成一个一个词。比如：查询语句是“我爱中华人民共和国”，使用ik_max_word来分词，则会出现下面的结果：【“我”，“爱”，“中华人民共和国”，“中华人民”，“中华”，“华人”，“人民共和国”，“人民”，“人民共和国”，“共和”，“国”】。具体看下图：（使用postman）

body结果代码如下:

{"tokens": [{"token": "我","start_offset": 0,"end_offset": 1,"type": "CN_CHAR","position": 0},{"token": "爱","start_offset": 1,"end_offset": 2,"type": "CN_CHAR","position": 1},{"token": "中华人民共和国","start_offset": 2,"end_offset": 9,"type": "CN_WORD","position": 2},{"token": "中华人民","start_offset": 2,"end_offset": 6,"type": "CN_WORD","position": 3},{"token": "中华","start_offset": 2,"end_offset": 4,"type": "CN_WORD","position": 4},{"token": "华人","start_offset": 3,"end_offset": 5,"type": "CN_WORD","position": 5},{"token": "人民共和国","start_offset": 4,"end_offset": 9,"type": "CN_WORD","position": 6},{"token": "人民","start_offset": 4,"end_offset": 6,"type": "CN_WORD","position": 7},{"token": "共和国","start_offset": 6,"end_offset": 9,"type": "CN_WORD","position": 8},{"token": "共和","start_offset": 6,"end_offset": 8,"type": "CN_WORD","position": 9},{"token": "国","start_offset": 8,"end_offset": 9,"type": "CN_CHAR","position": 10}]
}

补充说明一下的区别：ik_max_word 和 ik_smart

ik_max_word 会将文本做最细粒度的拆分。
ik_smart 会做最粗粒度的拆分。

ik_max_word 和 ik_smart 是两个不同类型的分词器。

3.2 安装ik分词器

ik分词器的下载与安装：（备注：ik分词器的版本，必须与elasticsearch版本一致）

GitHub下载地址： Releases · medcl/elasticsearch-analysis-ik · GitHub

找到5.5.3版本的

点击下载elasticsearch-analysis-ik-5.5.3.zip 包，然后解压，打开解压后的文件夹，里面有如下文件

接着，把这里的所有文件复制到elasticsearch的plugins目录下，自己新建的ik文件夹里面（说明： ik文件夹是自己新建的，至于为什么要新建一个ik文件夹。其实到后来，你会在使用elasticsearch时添加很多的插件，每一个插件都是放在plugins目录下的，所以建一个文件夹，单独存放某个插件，会有一个很清晰的文件目录）

然后重启elasticsearch。

出现红圈所示，则说明插件安装成功。

检验效果：启动elasticsearch成功后，直接在浏览器输入：http://localhost:9200/_analyze?analyzer=ik_max_word&pretty=true&text=我爱中华人民共和国

备注：

如果是ik分词插件是6.x版本的，只能用postman测试，而且查询条件要放在body体内，如下图：

如果直接在url加上查询条件，如： http://localhost:9200/_analyze?analyzer=ik_max_word&pretty=true&text=大胆爱，不用地阿达女，加

会抛出异常：

{"error": {"root_cause": [{"type": "parse_exception","reason": "request body or source parameter is required"}],"type": "parse_exception","reason": "request body or source parameter is required"},"status": 400
}

3.3 自定义分词器

上面说的ik_max_word 和ik_smart 这两种分词器，其实不是我想要的效果。比如我要查询“cla好好学习，15成功”。

浏览器输入：http://localhost:9200/_analyze?analyzer=ik_max_word&pretty=true&text=cla好好学习，15成功

我想要将查询条件分拆成：【"c", "l", "a", "好", "好", "学", "习", "，", "1", "5", "成", "功"】这种，单个字，单个词，单个数字的最小粒度。但是ik_max_word 已经是不能满足我的需求了，那我们就自定义一个分词器(analyzer)

使用NGram 来定义一个分词器： 官网：NGram Tokenizer | Elasticsearch Guide [6.4] | Elastic

这个网址里面的内容很重要，看不懂英文的小伙伴，可以用浏览器的插件，将它翻译成中文。

这句话：They are useful for querying languages that don’t use spaces or that have long compound words, like German.

意思是：它们对于查询不使用空格或具有长复合词的语言非常有用，比如德语。

我就直接使用官网的例子进行说明：输入的查询条件是：“Quick Fox”.

POST _analyze
{"tokenizer": "ngram","text": "Quick Fox"
}

分词后的结果是：

[ Q, Qu, u, ui, i, ic, c, ck, k, "k ", " ", " F", F, Fo, o, ox, x ]

可以给 ngram 配置下面三个参数：

①：min_gram ：字符的最小长度，默认是1.

②：max_gram：字符的最大长度，默认是2.

③：token_chars：可以理解为elasticsearch分割字符的点。其中又可以包含5个属性。letter ，digit ，whitespace ，punctuation ，symbol 。

知道这些配置后，开始实例：（实例里面，自定义一个 myanalyzer 分词器，并创建my_user索引，和user类型）

PUT localhost:9200/my_user/{"settings": {"analysis": {"analyzer": {"myanalyzer": {"tokenizer": "mytokenizer"}},"tokenizer": {"mytokenizer": {"type": "ngram","min_gram": 1,"max_gram": 2,"token_chars": ["letter","digit","whitespace","punctuation","symbol"]}}}},"mappings":{"user":{"properties":{"id":{"type":"long","store": true,"index": false,"fields":{"keyword":{"type":"keyword"}}},"username":{"type":"text","store": true,"index": true,"analyzer": "myanalyzer","fields":{"keyword":{"type":"keyword"}}},"password":{"type":"text","store": true,"index": true,"analyzer": "myanalyzer","fields":{"keyword":{"type":"keyword"}}},"age":{"type":"integer","fields":{"keyword":{"type":"keyword"}}},"ip":{"type":"text","store": true,"index": true,"analyzer": "myanalyzer","fields":{"keyword":{"type":"keyword"}}}}}}
}

postman截图：

或者可以使用这种方式：

POST localhost:9200/my_user/_analyze?analyzer=myanalyzer&pretty=true{"text": "2 Quick Fo18陈xes姥爷."
}

接着用postman查询构建的这个my_user索引，类型为user。

POST localhost:9200/my_user/_analyze{"analyzer": "myanalyzer","text": "2 Quick Fo18陈xes姥爷."
}// 结果
{"tokens": [{"token": "2","start_offset": 0,"end_offset": 1,"type": "word","position": 0},{"token": "2 ","start_offset": 0,"end_offset": 2,"type": "word","position": 1},{"token": " ","start_offset": 1,"end_offset": 2,"type": "word","position": 2},{"token": " Q","start_offset": 1,"end_offset": 3,"type": "word","position": 3},{"token": "Q","start_offset": 2,"end_offset": 3,"type": "word","position": 4},{"token": "Qu","start_offset": 2,"end_offset": 4,"type": "word","position": 5},{"token": "u","start_offset": 3,"end_offset": 4,"type": "word","position": 6},{"token": "ui","start_offset": 3,"end_offset": 5,"type": "word","position": 7},{"token": "i","start_offset": 4,"end_offset": 5,"type": "word","position": 8},{"token": "ic","start_offset": 4,"end_offset": 6,"type": "word","position": 9},{"token": "c","start_offset": 5,"end_offset": 6,"type": "word","position": 10},{"token": "ck","start_offset": 5,"end_offset": 7,"type": "word","position": 11},{"token": "k","start_offset": 6,"end_offset": 7,"type": "word","position": 12},{"token": "k ","start_offset": 6,"end_offset": 8,"type": "word","position": 13},{"token": " ","start_offset": 7,"end_offset": 8,"type": "word","position": 14},{"token": " F","start_offset": 7,"end_offset": 9,"type": "word","position": 15},{"token": "F","start_offset": 8,"end_offset": 9,"type": "word","position": 16},{"token": "Fo","start_offset": 8,"end_offset": 10,"type": "word","position": 17},{"token": "o","start_offset": 9,"end_offset": 10,"type": "word","position": 18},{"token": "o1","start_offset": 9,"end_offset": 11,"type": "word","position": 19},{"token": "1","start_offset": 10,"end_offset": 11,"type": "word","position": 20},{"token": "18","start_offset": 10,"end_offset": 12,"type": "word","position": 21},{"token": "8","start_offset": 11,"end_offset": 12,"type": "word","position": 22},{"token": "8陈","start_offset": 11,"end_offset": 13,"type": "word","position": 23},{"token": "陈","start_offset": 12,"end_offset": 13,"type": "word","position": 24},{"token": "陈x","start_offset": 12,"end_offset": 14,"type": "word","position": 25},{"token": "x","start_offset": 13,"end_offset": 14,"type": "word","position": 26},{"token": "xe","start_offset": 13,"end_offset": 15,"type": "word","position": 27},{"token": "e","start_offset": 14,"end_offset": 15,"type": "word","position": 28},{"token": "es","start_offset": 14,"end_offset": 16,"type": "word","position": 29},{"token": "s","start_offset": 15,"end_offset": 16,"type": "word","position": 30},{"token": "s姥","start_offset": 15,"end_offset": 17,"type": "word","position": 31},{"token": "姥","start_offset": 16,"end_offset": 17,"type": "word","position": 32},{"token": "姥爷","start_offset": 16,"end_offset": 18,"type": "word","position": 33},{"token": "爷","start_offset": 17,"end_offset": 18,"type": "word","position": 34},{"token": "爷.","start_offset": 17,"end_offset": 19,"type": "word","position": 35},{"token": ".","start_offset": 18,"end_offset": 19,"type": "word","position": 36}]
}

postman截图：

得到的结果是：分词成功。

3.4 重新构建springboot使用myanalyzer分词器，做全文检索

新建一个User实体：（对应elasticsearch中的my_user索引，和user类型）

@Data
@NoArgsConstructor
@AllArgsConstructor
@Document(indexName = "my_user", type = "user")
public class User {/***     index：是否设置分词*     analyzer：存储时使用的分词器*     searchAnalyze：搜索时使用的分词器*     store：是否存储*     type: 数据类型*/@Id@Field(store = true, index = false, type =FieldType.Integer)private Integer id;@Field(store = true, index = true, type = FieldType.keyword, analyzer = "myanalyzer", searchAnalyzer = "myanalyzer")private String username;@Field(store = true, index = true, type = FieldType.keyword, analyzer = "myanalyzer", searchAnalyzer = "myanalyzer")private String password;@Field(store = true, index = true, type = FieldType.Integer, analyzer = "myanalyzer", searchAnalyzer = "myanalyzer")private Integer age;@Field(store = true, index = true, type = FieldType.keyword, analyzer = "myanalyzer", searchAnalyzer = "myanalyzer")private String ip;}

新建UserRepository接口。

@Repository
public interface UserRepository extends ElasticsearchRepository<User, Long> {
}

在测试类中进行测试：（插入数据）

@RunWith(SpringRunner.class)
@SpringBootTest
public class UserTest {@AutowiredUserRepository userRepository;// 插入数据@Testpublic void testInsert(){userRepository.save(new User(3, "高新兴", "gao45", 18, "我登录的ip地址是：127.145.0.11"));userRepository.save(new User(4, "神州@数码", "shen18", 18, "我登录的ip地址是：127.124.0.11"));userRepository.save(new User(6, "西南大学", "xida", 18, "我登录的ip地址是：127.126.0.11"));userRepository.save(new User(7, "北京大学", "beida", 18, "我记录的ip地址是：127.127.0.11"));userRepository.save(new User(8, "姚#明", "yao210", 18, "我登录的@#%ip地址是：127.248.0.11"));userRepository.save(new User(9, "邓紫棋", "dengml", 18, "我使用的ip地址是：127.249.0.11"));userRepository.save(new User(10, "李荣浩", "li06", 18, "我使用的@ip地址是：127.234.0.11"));userRepository.save(new User(11, "陈奕迅", "19ch8en", 18, "我登录的ip地址是：127.219.0.11"));userRepository.save(new User(12, "周杰伦", "xiayu2014", 18, "我登录的ip地址是：127.0.0.11"));userRepository.save(new User(13, "林俊杰", "zho99", 18, "我登录,的ip地址是：127.111.0.11"));userRepository.save(new User(137, "林薇因", "zho99", 18, "我登录,的ip地址是：127.111.0.11"));}

插入数据后， elasticsearch里面的数据显示如下：

查询数据：

    @Testpublic void testQueryByStr(){try {String searchStr = "陈夏天u马立,@45";QueryStringQueryBuilder builder = new QueryStringQueryBuilder(searchStr);//  重点是下面这行代码builder.analyzer("myanalyzer").field("username").field("password").field("ip");Iterable<User> search = userRepository.search(builder);Iterator<User> iterator = search.iterator();while (iterator.hasNext()){System.out.println("---> 匹配数据： "+iterator.next());}}catch (Exception e){System.out.println("---> 异常信息 "+e);}}

查询结果：

---> 匹配数据： User(id=33, username=陈%喜华, password=gao45, age=18, ip=我登录的ip地址是：127.145.0.11)
---> 匹配数据： User(id=3, username=高新兴, password=gao45, age=18, ip=我登录的ip地址是：127.145.0.11)
---> 匹配数据： User(id=35, username=马@,#立志, password=ling009, age=18, ip=我记录的ip地址是：127.125.0.11)
---> 匹配数据： User(id=48, username=郭才莹, password=yao210, age=18, ip=我登录的,@#%ip地址是：127.248.0.11)
---> 匹配数据： User(id=126, username=夏雨, password=xiayu2014, age=18, ip=我登录的ip地址是：127.0.0.11)
---> 匹配数据： User(id=12, username=周杰伦, password=xiayu2014, age=18, ip=我登录的ip地址是：127.0.0.11)
---> 匹配数据： User(id=115, username=朱&@#%夏宇, password=19ch8en, age=18, ip=我登录的ip地址是：127.219.0.11)
---> 匹配数据： User(id=8, username=姚#明, password=yao210, age=18, ip=我登录的@#%ip地址是：127.248.0.11)
---> 匹配数据： User(id=10, username=李荣浩, password=li06, age=18, ip=我使用的@ip地址是：127.234.0.11)
---> 匹配数据： User(id=104, username=黄小群, password=li06, age=18, ip=我使用的@ip地址是：127.234.0.11)
---> 匹配数据： User(id=36, username=陈耀鹏, password=xida, age=18, ip=我登录的ip地址是：127.126.0.11)
---> 匹配数据： User(id=11, username=陈奕迅, password=19ch8en, age=18, ip=我登录的ip地址是：127.219.0.11)
---> 匹配数据： User(id=137, username=林薇因, password=zho99, age=18, ip=我登录,的ip地址是：127.111.0.11)
---> 匹配数据： User(id=13, username=林俊杰, password=zho99, age=18, ip=我登录,的ip地址是：127.111.0.11)
---> 匹配数据： User(id=4, username=神州@数码, password=shen18, age=18, ip=我登录的ip地址是：127.124.0.11)
---> 匹配数据： User(id=5, username=岭南师范, password=ling009, age=18, ip=我记录的ip地址是：127.125.0.11)
---> 匹配数据： User(id=9, username=邓紫棋, password=dengml, age=18, ip=我使用的ip地址是：127.249.0.11)
---> 匹配数据： User(id=34, username=钟楚莹, password=shen18, age=18, ip=我登录的ip地址是：127.124.0.11)
---> 匹配数据： User(id=49, username=黄群, password=dengml, age=18, ip=我使用的ip地址是：127.249.0.11)

到处，springboot整合elasticsearch以及ik分词器，做全文检索完成了。

先告一段落，文章写得不是很好。但希望你能看懂。如果有不懂的，底下留言。我会及时更新

希望此文帮助到你！

springboot整合elasticsearch5.x以及IK分词器做全文检索相关推荐

7安装ik分词器_Solr7全文检索+IK分词
1. 概述介绍Solr之前,就不得不提业界大名鼎鼎的Lucene.Lucene是一个完全用Java编写的高性能.跨平台的全文搜索引擎工具包,能满足几乎所有软件项目的搜索需求.Lucene是Apac ...
ES入门学习：ElasticSearch、Kibana、ik分词器的安装、简单使用及SpringBoot集成
前言 es是采用Java语言开发,因此,想要安装运行es需要提前准备好jdk环境,关于linux配置jdk在前文linux配置jdk 本文主要介绍es的安装.kibana的安装和简单使用及ik分词器的 ...
ik分词器实现原理_SpringBoot整合Elasticsearch实现商品搜索
本文主要介绍在Elasticsearch中实现商品搜索功能中文分词器 Elasticsearch有默认的分词器,默认分词器只是将中文逐词分隔,并不符合我们的需求. get hanzo/_analyz ...
狂神聊 ElasticSearch(IK分词器+Rest+集成SpringBoot+实战爬虫项目+完整代码及资料)
Bilibili 搜索关注:狂神说 Java(和狂神一起学习,共同进步) 公众号:狂神说(文章日更) 狂神聊 ElasticSearch 版本:ElasticSearch 7.6.1(全网最新了) 6 ...
Windows下Solr的安装与配置，附DIH全量导入MySQL数据、IK分词器配置详解——不用集成Tomcat
Solr是Apache开源的比较稳定的一款全文搜索引擎,也是市面上相对比较流行的一款全文搜索引擎,好不好用你用过之后自有判断.今天给大家分享一下它的安装与配置,我用的是7.7.2版本.废话不多说,开搞 ...
“Elasticsearch + Kibana + ik分词器“介绍与使用
Elasticsearch 介绍 Elasticsearch 是一个分布式.RESTful 风格的搜索和数据分析引擎,能够解决不断涌现出的各种用例. 作为 Elastic Stack 的核心,它集中存 ...
04.ElasticSearch之IK分词器的安装与使用
ElasticSearch之IK分词器的安装与使用前言安装离线安装在线安装 ik分词器测试扩展(停用)词(典) 测试数据概念配置词典 1.修改配置文件 2.新建词典 3.自定义内容 4. ...
基于ik分词器和布隆过滤器实现敏感词过滤
文章目录准备阶段为何选用IK Analyzer 什么是布隆过滤器开发过程整合Ik 总结 <基于ik分词器和布隆过滤器实现敏感词过滤>首发牧马人博客转发请加此提示最近公司业务有个 ...
Elasticsearch——分布式搜索引擎01（索引库、文档、RestAPI、RestClient、拼音分词器、IK分词器）
Elasticsearch--分布式搜索引擎01(索引库.文档.RestAPI.RestClient.拼音分词器.IK分词器) 一.初识 elesticsearch 1.1 简介 1.2 倒排索引(重 ...
Elasticsearch5.3.1 IK分词，同义词/联想搜索设置
本文主要是记录Elasticsearch5.3.1 IK分词,同义词/联想搜索设置,本来是要写fscrawler的多种格式(html,pdf,word...)数据导入的,但是IK分词和同义词配置还是折 ...

springboot整合elasticsearch5.x以及IK分词器做全文检索