Elasticsearch自动补全

当用户在搜索框输入字符时，我们应该提示出与该字符有关的搜索项。

这种根据用户输入的字母，提示完整词条的功能，就是自动补全了。

因为需要根据拼音字母来推断，因此要用到拼音分词功能。

1、拼音分词器

要实现根据字母做补全，就必须对文档按照拼音分词。在GitHub上恰好有elasticsearch的拼音分词插件。地址：https://github.com/medcl/elasticsearch-analysis-pinyin

安装方式与IK分词器一样，分三步：

①解压

②上传到虚拟机中，elasticsearch的plugin目录

③重启elasticsearch

④测试

DSL测试如下

# 拼音分词器
POST /_analyze
{"text": "上海酒店还不错","analyzer": "pinyin"
}

拼音分词结果

{"tokens" : [{"token" : "shang","start_offset" : 0,"end_offset" : 0,"type" : "word","position" : 0},.......]
}

2、自定义分词器

默认的拼音分词器会将每个汉字单独分为拼音，而我们希望的是每个词条形成一组拼音，需要对拼音分词器做个性化定制，形成自定义分词器。

elasticsearch中分词器（analyzer）的组成包含三部分：

character filters：在tokenizer之前对文本进行处理。例如删除字符、替换字符
tokenizer：将文本按照一定的规则切割成词条（term）。例如keyword，就是不分词；还有ik_smart
tokenizer filter：将tokenizer输出的词条做进一步处理。例如大小写转换、同义词处理、拼音处理等

文档分词时会依次由这三部分来处理文档：

声明自定义分词器的语法如下：

PUT /test
{"settings": {"analysis": {"analyzer": { // 自定义分词器"my_analyzer": {  // 分词器名称"tokenizer": "ik_max_word", // 普通分词器"filter": "py" // 拼音分词器}},"filter": { // 自定义tokenizer filter"py": { // 过滤器名称"type": "pinyin", // 过滤器类型，这里是 pinyin"keep_full_pinyin": false, // 单个字分词"keep_joined_full_pinyin": true, // 全拼"keep_original": true, // 保留中文"limit_first_letter_length": 16,"remove_duplicated_term": true,"none_chinese_pinyin_tokenize": false}}}},"mappings": {"properties": {"name": {"type": "text","analyzer": "my_analyzer", // 指定分词器（自定义）"search_analyzer": "ik_smart" // 指定搜索时不使用拼音}}}
}

自定义分词器测试

1、指定文本进行拆分

# 测试自定义分词器
POST /test/_analyze
{"text": "上海酒店还不错","analyzer": "my_analyzer"
}

测试结果

{"tokens" : [{"token" : "上海","start_offset" : 0,"end_offset" : 2,"type" : "CN_WORD","position" : 0},{"token" : "shanghai","start_offset" : 0,"end_offset" : 2,"type" : "CN_WORD","position" : 0}]
}

插入文档测试

# 测试自定义分词器
POST /test/_analyze
{"text": "上海酒店还不错","analyzer": "my_analyzer"
}POST /test/_doc/1
{"id": 1,"name": "狮子"
}
POST /test/_doc/2
{"id": 2,"name": "虱子"
}# 测试拼音搜索
GET /test/_search
{"query": {"match": {"name": "shizi"}}
}

上面的测试查询shizi因为插入的两个文档中都是同音的所以都会查询到两条数据

使用同音搜索结果测试

狮子与虱子是同音的搜索的时候也会出现虱子这就说明了自定义拼音分词器有问题，使用中文搜索也会将同音的搜索出来

# 测试拼音搜索
GET /test/_search
{"query": {"match": {"name": "掉入狮子笼咋办"}}
}

解决方案

拼音分词器适合在创建倒排序索引的时候使用，但不能在搜索时使用

因此字段在创建倒排序索引时应用my_analyzer分词器，字段在搜索时应该使用ik_smart分词器"search_analyzer": "ik_smart"

"mappings": {"properties": {"name": {"type": "text","analyzer": "my_analyzer", // 指定分词器（自定义）"search_analyzer": "ik_smart" // 指定搜索时不使用拼音}}}

指定之后，就不会出现出现同音的问题了

总结：

如何使用拼音分词器？

①下载pinyin分词器
②解压并放到elasticsearch的plugin目录
③重启即可

如何自定义分词器？

①创建索引库时，在settings中配置，可以包含三部分
②character filter
③tokenizer
④filter

拼音分词器注意事项？

为了避免搜索到同音字，搜索时不要使用拼音分词器"search_analyzer": "ik_smart"

3、自动补全查询

elasticsearch提供了Completion Suggester查询来实现自动补全功能。这个查询会匹配以用户输入内容开头的词条并返回。为了提高补全查询的效率，对于文档中字段的类型有一些约束：

参与补全查询的字段必须是completion类型。
字段的内容一般是用来补全的多个词条形成的数组。

比如，一个这样的索引库：

// 创建索引库
PUT test
{"mappings": {"properties": {"title":{"type": "completion"}}}
}

然后插入下面的数据：

// 示例数据
POST test/_doc
{"title": ["Sony", "WH-1000XM3"]
}
POST test/_doc
{"title": ["SK-II", "PITERA"]
}
POST test/_doc
{"title": ["Nintendo", "switch"]
}

查询的DSL语句如下：

// 自动补全查询
GET /test/_search
{"suggest": {"title_suggest": { // 自定义名称"text": "s", // 关键字"completion": { // 补全类型"field": "title", // 补全查询的字段"skip_duplicates": true, // 跳过重复的"size": 10 // 获取前10条结果}}}
}

自动补全示例

# 自动补全的索引库
PUT test2
{"mappings": {"properties": {"title":{"type": "completion"}}}
}
# 示例数据
POST test2/_doc
{"title": ["Sony", "WH-1000XM3"]
}
POST test2/_doc
{"title": ["SK-II", "PITERA"]
}
POST test2/_doc
{"title": ["Nintendo", "switch"]
}# 自动补全查询
POST /test2/_search
{"suggest": {"title_suggest": {"text": "s","completion": {"field": "title","skip_duplicates": true,"size": 10}}}
}

对关键字s的查询结果

4、实现酒店搜索框自动补全

现在，我们的hotel索引库还没有设置拼音分词器，需要修改索引库中的配置。但是我们知道索引库是无法修改的，只能删除然后重新创建。

另外，我们需要添加一个字段，用来做自动补全，将brand、suggestion、city等都放进去，作为自动补全的提示。

因此，总结一下，我们需要做的事情包括：

修改hotel索引库结构，设置自定义拼音分词器
修改索引库的name、all字段，使用自定义分词器
索引库添加一个新字段suggestion，类型为completion类型，使用自定义的分词器
给HotelDoc类添加suggestion字段，内容包含brand、business
重新导入数据到hotel库

4.1、修改酒店映射结构

# -------------酒店自动补全案例-----------# 查看索引库的结果
GET /hotel/_mapping# 删除原来的索引库
DELETE /hotel# 修改酒店索引库结构
PUT /hotel
{"settings": {"analysis": {"analyzer": {"text_anlyzer": {"tokenizer": "ik_max_word","filter": "py"},"completion_analyzer": {"tokenizer": "keyword","filter": "py"}},"filter": {"py": {"type": "pinyin","keep_full_pinyin": false,"keep_joined_full_pinyin": true,"keep_original": true,"limit_first_letter_length": 16,"remove_duplicated_term": true,"none_chinese_pinyin_tokenize": false}}}},"mappings": {"properties": {"id":{"type": "keyword"},"name":{"type": "text","analyzer": "text_anlyzer","search_analyzer": "ik_smart","copy_to": "all"},"address":{"type": "keyword","index": false},"price":{"type": "integer"},"score":{"type": "integer"},"brand":{"type": "keyword","copy_to": "all"},"city":{"type": "keyword"},"starName":{"type": "keyword"},"business":{"type": "keyword","copy_to": "all"},"location":{"type": "geo_point"},"pic":{"type": "keyword","index": false},"all":{"type": "text","analyzer": "text_anlyzer","search_analyzer": "ik_smart"},"suggestion":{"type": "completion","analyzer": "completion_analyzer"}}}
}

4.2、修改接收数据的`HotelDoc`实体类

HotelDoc中要添加一个字段，用来做自动补全，内容可以是酒店品牌、城市、商圈等信息。按照自动补全字段的要求，最好是这些字段的数组。

因此我们在HotelDoc中添加一个suggestion字段，类型为List<String>，然后将brand、city、business等信息放到里面。

package cn.itcast.hotel.pojo;import lombok.Data;
import lombok.NoArgsConstructor;import java.util.ArrayList;
import java.util.Arrays;
import java.util.Collections;
import java.util.List;@Data
@NoArgsConstructor
public class HotelDoc {...private List<String> suggestion;public HotelDoc(Hotel hotel) {// 组装suggestionif(this.business.contains("/")){// business有多个值，需要切割String[] arr = this.business.split("/");// 添加元素this.suggestion = new ArrayList<>();this.suggestion.add(this.brand);Collections.addAll(this.suggestion, arr);}else {this.suggestion = Arrays.asList(this.brand, this.business);}}
}

4.3、运行自动导入数据

重新执行之前编写的导入数据功能，可以看到新的酒店数据中包含了suggestion：

运行测试代码

4.4、自动补全查询的JavaAPI

之前我们学习了自动补全查询的DSL，而没有学习对应的JavaAPI，这里给出一个示例：

而自动补全的结果也比较特殊，解析的代码如下：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QMVTWXqV-1654397685637)(images/image-20220605102739780.png)]

4.5、控制器的编写

/*** 前端页面请求完成关键字查询* @param key* @return*/
@GetMapping("/suggestion")
public List<String> getSuggestion(@RequestParam("key") String key){return hotelService.getSuggestion(key);
}

4.5、业务层代码实现

接口的编写

List<String> getSuggestion(String key);

实现类

/*** 实现前端关键字搜索* @param key* @return*/
@Override
public List<String> getSuggestion(String key) {try {// 1、准备额requestSearchRequest request = new SearchRequest("hotel");// 2、准备DSLrequest.source().suggest(new SuggestBuilder().addSuggestion("suggestions",SuggestBuilders.completionSuggestion("suggestion").prefix(key).skipDuplicates(true).size(10)));// 3、发送请求SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 4.解析结果Suggest suggest = response.getSuggest();// 4.1.根据补全查询名称，获取补全结果CompletionSuggestion suggestions = suggest.getSuggestion("suggestions");// 4.2.获取optionsList<CompletionSuggestion.Entry.Option> options = suggestions.getOptions();// 4.3.遍历List<String> list = new ArrayList<>(options.size());for (CompletionSuggestion.Entry.Option option : options) {String text = option.getText().toString();list.add(text);}return list;} catch (IOException e) {throw new RuntimeException(e);}
}

4.6、接口的测试