Elasticsearch——分詞器對String的作用

更多內容參考：Elasticsearch學習總結

關於String類型——分詞與不分詞

在Elasticsearch中String是最基本的數據類型，如果不是數字或者標准格式的日期等這種很明顯的類型，其他的一般都會優先默認存儲成String。同樣的數據類型，Elasticsearch也提供了多種存儲與分詞的模式，不同的模式應用於不同的場景。

很多人在初次使用Elasticsearch時，都會很納悶...

• 為什么我存儲的一句話，卻查詢不到？
• 為什么我輸入了漢語單詞，只能一個字一個字的匹配？
• 為什么我的url查詢不到？

等等，這些都與是否分詞、使用什么分詞器有關。

首先說說什么是分詞器吧! 比如我愛你中國！

如果是標准分詞器，會把它拆分成，“我”，“愛”，“你”，“中”，“國”。
如果使用一些漢語的分詞器，則會分析成，“我”，“愛”，“你”，“中國”。

由於倒排索引都是以詞Term為索引的，因此如果分解成了一個一個的詞，查詢“中國”的時候，中國也會被分解成“中”，“國”，這樣就可能誤差到”發展中國家“這樣的詞。

再說說Elasticsearch中的分詞器吧！

不光是在索引文檔（把數據導入到Elasticsearch中），在查詢的時候也需要分詞器。只有索引和查詢的時候使用相同的分詞器，才能查詢出正確的結果。

但是有時候，我們並不想把一串String給分析，想把它當做一個完整的詞。比如

• www.baidu.com
• 吉林省 長春市 衛星路 6543號

此時，只要設置字段為不分析，就可以了。這時需要自定義下映射，因為默認String就是分析的，而且使用的是標准分詞器。

准備工作

先建立一個索引

curl -XPUT localhost:9200/abc

然后定義映射，注意：只有剛剛新建、還沒有任何數據的索引，才能定義映射。定義映射Mapping可以使用_mapping RESTAPI，符合下面的標准語法：

curl -XPUT localhost:9200/索引名稱/類型名稱/_mapping?pretty -d '{"類型名稱":{"properties":{"字段名稱":{"type":"字段類型","store":"是否存儲","index":"索引方式、是否分析"}}}}'

比如，其中str1為String類型不分析；其他的字段str2為默認配置，就不用設置了。

curl -XPUT localhost:9200/abc/abc/_mapping?pretty -d '{"abc":{"properties":{"str1":{"type":"string","index":"not_analyzed"}}}}'

然后添加兩條數據：

curl localhost:9200/abc/abc?pretty -d '{"str1":"hello, world!","str2":"goodbye! world"}'
{
  "_index" : "abc",
  "_type" : "abc",
  "_id" : "AVM2vRQgJmh5lL1r79nv",
  "_version" : 1,
  "created" : true
}

curl localhost:9200/abc/abc?pretty -d '{"str1":"hello","str2":"world"}'             {
  "_index" : "abc",
  "_type" : "abc",
  "_id" : "AVM2vbbqJmh5lL1r79nw",
  "_version" : 1,
  "created" : true
}

分析的String如何查詢

如果查詢的單個詞，分詞的字段可以使用term進行查詢，如下所示：如果查詢的是一個單獨的詞，那么會返回包含它或者等於它的目標文檔。

curl -XPOST localhost:9200/abc/_search?pretty -d '{"query":{"term":{"str2":"world"}}}'
{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "failed" : 0
  },
  "hits" : {
    "total" : 2,
    "max_score" : 0.5945348,
    "hits" : [ {
      "_index" : "abc",
      "_type" : "abc",
      "_id" : "AVM2vbbqJmh5lL1r79nw",
      "_score" : 0.5945348,
      "_source":{"str1":"hello","str2":"world"}
    }, {
      "_index" : "abc",
      "_type" : "abc",
      "_id" : "AVM2vRQgJmh5lL1r79nv",
      "_score" : 0.37158427,
      "_source":{"str1":"hello, world!","str2":"goodbye! world"}
    } ]
  }
}

不分析的String如何查詢

如果字段是不分詞的，而查詢的是這個字段里面的一個詞，那么使用term時無法查詢到目標文檔的。

$ curl -XPOST localhost:9200/abc/_search?pretty -d '{"query":{"term":{"str1":"hello"}}}'
{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "failed" : 0
  },
  "hits" : {
    "total" : 1,
    "max_score" : 1.0,
    "hits" : [ {
      "_index" : "abc",
      "_type" : "abc",
      "_id" : "AVM2vbbqJmh5lL1r79nw",
      "_score" : 1.0,
      "_source":{"str1":"hello","str2":"world"}
    } ]
  }
}

使用term查詢，如果該字段是不分詞，只有完整的輸入目標字段，才能正確的匹配。

curl -XPOST localhost:9200/abc/_search?pretty -d '{"query":{"term":{"str1":"hello, world!"}}}'
{
  "took" : 2,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "failed" : 0
  },
  "hits" : {
    "total" : 1,
    "max_score" : 1.0,
    "hits" : [ {
      "_index" : "abc",
      "_type" : "abc",
      "_id" : "AVM2vRQgJmh5lL1r79nv",
      "_score" : 1.0,
      "_source":{"str1":"hello, world!","str2":"goodbye! world"}
    } ]
  }
}

總結

對於分詞的字段：

1 如果查詢的是單個詞，則查詢到包含它的文檔，返回結果與匹配程度有關
2 如果查詢的是一段能被分析的話，比如hello world。那么查詢的結果是包含分析得出的詞的文檔，即包含hello和world的全部文檔。

對於不分詞的字段：

只有查詢的是 目標字段的精確值，才能匹配。