点击上方“方才编程”，即可关注我！

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"]}}

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。

2.2 第二版