背景

中文搜索很多时候都要用到pinyin搜索，基本绕不开这个插件；如搜索人名之类的；

介绍

插件github：地址

在README的最后，举的例子挺有意思；经过一系列操作之后，对刘德华建index，竟然搜liudh，刘dh，各种奇葩的搜索都能搜出来，这是为啥呢？让我们来仔细分析一下。

如官网的配置

配置analyzer

PUT /medcl3/
{"settings" : {"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}}}}
}

主要是用了分词器tokenizer：my_pinyin。
具体的设置是，
keep_first_letter: true ；也就是会将刘德华 -> ldh
keep_seperate_first_letter: true; 将刘德华 -> l 、 d 、 h
keep_full_pinyin: true; 将刘德华 -> liu, de, hua

有了这些设置之后，我们发现对刘德华进行analyze：

GET /hjxtest_pinyin/_analyze
{"text": "刘德华","analyzer": "pinyin_analyzer"
}

得到结果就是上面说的这7个key

{"tokens": [{"token": "l","start_offset": 0,"end_offset": 0,"type": "word","position": 0},{"token": "liu","start_offset": 0,"end_offset": 0,"type": "word","position": 0},{"token": "ldh","start_offset": 0,"end_offset": 0,"type": "word","position": 0},{"token": "d","start_offset": 0,"end_offset": 0,"type": "word","position": 1},{"token": "de","start_offset": 0,"end_offset": 0,"type": "word","position": 1},{"token": "h","start_offset": 0,"end_offset": 0,"type": "word","position": 2},{"token": "hua","start_offset": 0,"end_offset": 0,"type": "word","position": 2}]
}

然后我们建好index，搜索liudh的时候，会先用相同的分词方法分词：

GET /hjxtest_pinyin/_analyze
{"text": "liudh","analyzer": "pinyin_analyzer"
}

分词结果

{"tokens": [{"token": "liu","start_offset": 0,"end_offset": 0,"type": "word","position": 0},{"token": "liudh","start_offset": 0,"end_offset": 0,"type": "word","position": 0},{"token": "d","start_offset": 0,"end_offset": 0,"type": "word","position": 1},{"token": "h","start_offset": 0,"end_offset": 0,"type": "word","position": 2}]
}

可见，我们牛皮的分词器，会分词出结果 liu + d + h + liudh
回顾我们建的倒排索引： liu de hua l d h ldh
搜索的时候
liu d h都能找到咱们的文档，当然就可以搜到结果了：

GET /hjxtest_pinyin/_search
{"query": {"match": {"name.pinyin": "liudh"}}
}

但是我们发现一个有意思的现象，当我们搜liudh的时候，竟然会把黄渤也搜出来，这是什么鬼？

ES pinyin 插件拼音搜索原理 match_phase相关推荐

Lucene5学习之拼音搜索
今天来说说拼音检索,这个功能其实还是用来提升用户体验的,别的不说,最起码避免了用户切换输入法,如果能支持中文汉语拼音简拼,那用户搜索时输入的字符更简便了,用户输入次数少了就是为了给用户使用时带来便利. ...
从零搭建 ES 搜索服务（四）拼音搜索
一.前言上篇介绍了 ES 的同义词搜索,使我们的搜索更强大了,然而这还远远不够,在实际使用中还可能希望搜索「fanqie」能将包含「番茄」的结果也罗列出来,这就涉及到拼音搜索了,本篇将介绍如何具体实 ...
select2.js插件新增支持拼音搜索
话不多说直奔主题 1.拼音搜索的原理: 将下拉框选项中的中文转换成汉语拼音,然后与输入的字母进行比较,如果包含则被检索出来. 2.效果: 3.在select2.js中找到matcher 方法,对此方法 ...
php 获取拼音,php根据汉字获取拼音（php基于拼音搜索实现原理）
php根据汉字获取拼音(php基于拼音搜索实现原理) 代码一:获取字符串汉字首字母,兼容GBK和UTF-8<?php function getfirstchar($s0){ //获取单个汉字拼音 ...
Simple: 一个支持中文和拼音搜索的 sqlite fts5插件
之前的工作关系,需要在手机上支持中文和拼音搜索.由于手机上存储数据一般都是用 sqlite,所以是基于 sqlite3 fts5 来实现.这段时间再次入门 c++,所以想用 c++ 实现一下,一来用于 ...
elasticsearch实现基于拼音搜索
1.背景一般情况下,有些搜索需求是需要根据拼音和中文来搜索的,那么在elasticsearch中是如何来实现基于拼音来搜索的呢?可以通过elasticsearch-analysis-pinyin分析 ...
Elasticsearch之拼音搜索(十五)
拼音搜索在中文搜索环境中是经常使用的一种功能,用户只需要输入关键词的拼音全拼或者拼音首字母,搜索引擎就可以搜索出相关结果.在国内,中文输入法基本上都是基于汉语拼音的,这种在符合用户输入习惯的条件下缩短 ...
select2.js实现拼音搜索支持
拼音搜索的原理: 将下拉框选项中的中文转换成汉语拼音(或拼音首字母),然后与输入的字母进行比较,如果包含则被检索出来. 引用插件: 1. pinyin.js文件用于将汉字转化为拼音的JavaScrip ...
Elasticsearch实战（四）---中英文分词及拼音搜索
Elasticsearch实战-中英文分词及拼音搜素文章目录 Elasticsearch实战-中英文分词及拼音搜素 1.ElasticSearch 中英文分词插件 1.1 分词插件 1.2 默认分词 ...

ES pinyin 插件拼音搜索原理 match_phase

背景

介绍

配置analyzer

ES pinyin 插件拼音搜索原理 match_phase相关推荐

最新文章

热门文章

ES pinyin 插件 拼音搜索 原理 match_phase

背景

介绍

配置analyzer

ES pinyin 插件 拼音搜索 原理 match_phase相关推荐

最新文章

热门文章

ES pinyin 插件拼音搜索原理 match_phase

ES pinyin 插件拼音搜索原理 match_phase相关推荐