碼上快樂

相關內容    簡體    繁體

Elasticsearch-自動補全

本文轉載自   查看原文   2021-11-28 21:26   200    Elasticsearch

當用戶在搜索框輸入字符時，我們應該提示出與該字符有關的搜索項，如圖：

這種根據用戶輸入的字母，提示完整詞條的功能，就是自動補全了。

因為需要根據拼音字母來推斷，因此要用到拼音分詞功能。

2.1.拼音分詞器

要實現根據字母做補全，就必須對文檔按照拼音分詞。在GitHub上恰好有elasticsearch的拼音分詞插件。地址：https://github.com/medcl/elasticsearch-analysis-pinyin

資料中也提供了拼音分詞器的安裝包：

安裝方式與IK分詞器一樣，分三步：

​ ①解壓

​ ②上傳到虛擬機中，elasticsearch的plugin目錄

​ ③重啟elasticsearch

​ ④測試

詳細安裝步驟可以參考IK分詞器的安裝過程。

測試用法如下：

POST /_analyze
{
  "text": "如家酒店還不錯",
  "analyzer": "pinyin"
}

結果：

2.2.自定義分詞器

默認的拼音分詞器會將每個漢字單獨分為拼音，而我們希望的是每個詞條形成一組拼音，需要對拼音分詞器做個性化定制，形成自定義分詞器。

elasticsearch中分詞器（analyzer）的組成包含三部分：

  • character filters：在tokenizer之前對文本進行處理。例如刪除字符、替換字符
  • tokenizer：將文本按照一定的規則切割成詞條（term）。例如keyword，就是不分詞；還有ik_smart
  • tokenizer filter：將tokenizer輸出的詞條做進一步處理。例如大小寫轉換、同義詞處理、拼音處理等

文檔分詞時會依次由這三部分來處理文檔：

聲明自定義分詞器的語法如下：

PUT /test // 創建索引庫
{
  "settings": {
    "analysis": {  // 針對當前的索引庫
      "analyzer": { // 自定義分詞器
        "my_analyzer": {  // 分詞器名稱
          "tokenizer": "ik_max_word",
          "filter": "py"
        }
      },
      "filter": { // 自定義tokenizer filter
        "py": { // 過濾器名稱
          "type": "pinyin", // 過濾器類型，這里是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": {
      "name": {
        "type": "text",
        "analyzer": "my_analyzer",   // 
        "search_analyzer": "ik_smart"  // 搜索時使用，避免同音字
      }
    }
  }
}

測試：

總結：

如何使用拼音分詞器？

  • ①下載pinyin分詞器
  • ②解壓並放到elasticsearch的plugin目錄
  • ③重啟即可

如何自定義分詞器？

  • ①創建索引庫時，在settings中配置，可以包含三部分
  • ②character filter
  • ③tokenizer
  • ④filter

拼音分詞器注意事項？

  • 為了避免搜索到同音字，搜索時不要使用拼音分詞器

2.3.自動補全查詢

elasticsearch提供了Completion Suggester查詢來實現自動補全功能。這個查詢會匹配以用戶輸入內容開頭的詞條並返回。為了提高補全查詢的效率，對於文檔中字段的類型有一些約束：

  • 參與補全查詢的字段必須是completion類型。
  • 字段的內容一般是用來補全的多個詞條形成的數組。

比如，一個這樣的索引庫：

// 創建索引庫
PUT test
{
  "mappings": {
    "properties": {
      "title":{
        "type": "completion"
      }
    }
  }
}

然后插入下面的數據：

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

查詢的DSL語句如下：

// 自動補全查詢
GET /test/_search
{
  "suggest": {
    "title_suggest": {   // 查詢名稱
      "text": "s", // 關鍵字
      "completion": {    
        "field": "title", // 補全查詢的字段
        "skip_duplicates": true, // 跳過重復的
        "size": 10 // 獲取前10條結果
      }
    }
  }
}

2.4.實現酒店搜索框自動補全

現在，我們的hotel索引庫還沒有設置拼音分詞器，需要修改索引庫中的配置。但是我們知道索引庫是無法修改的，只能刪除然后重新創建。

另外，我們需要添加一個字段，用來做自動補全，將brand、suggestion、city等都放進去，作為自動補全的提示。

因此，總結一下，我們需要做的事情包括：

  1. 修改hotel索引庫結構，設置自定義拼音分詞器
  2. 修改索引庫的name、all字段，使用自定義分詞器
  3. 索引庫添加一個新字段suggestion，類型為completion類型，使用自定義的分詞器
  4. 給HotelDoc類添加suggestion字段，內容包含brand、business
  5. 重新導入數據到hotel庫

2.4.1.修改酒店映射結構

代碼如下：

// 酒店數據索引庫
PUT /hotel
{
  "settings": {
    "analysis": {
      "analyzer": {
        "text_anlyzer": {      // 拼音
          "tokenizer": "ik_max_word",
          "filter": "py"
        },
        "completion_analyzer": {  // 自動補全
          "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":{   // 自動不全
          "type": "completion",
          "analyzer": "completion_analyzer"
      }
    }
  }
}

2.4.2.修改HotelDoc實體

HotelDoc中要添加一個字段，用來做自動補全，內容可以是酒店品牌、城市、商圈等信息。按照自動補全字段的要求，最好是這些字段的數組。

因此我們在HotelDoc中添加一個suggestion字段，類型為List<String>，然后將brand、city、business等信息放到里面。

代碼如下：

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 Long id;
    private String name;
    private String address;
    private Integer price;
    private Integer score;
    private String brand;
    private String city;
    private String starName;
    private String business;
    private String location;
    private String pic;
    private Object distance;
    private Boolean isAD;
    private List<String> suggestion;

    public HotelDoc(Hotel hotel) {
        this.id = hotel.getId();
        this.name = hotel.getName();
        this.address = hotel.getAddress();
        this.price = hotel.getPrice();
        this.score = hotel.getScore();
        this.brand = hotel.getBrand();
        this.city = hotel.getCity();
        this.starName = hotel.getStarName();
        this.business = hotel.getBusiness();
        this.location = hotel.getLatitude() + ", " + hotel.getLongitude();
        this.pic = hotel.getPic();
        // 組裝suggestion
        if(this.business.contains("/")){
            // business有多個值，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);
        }
    }
}

2.4.3.重新導入

重新執行之前編寫的導入數據功能，可以看到新的酒店數據中包含了suggestion：

2.4.4.自動補全查詢的JavaAPI

之前我們學習了自動補全查詢的DSL，而沒有學習對應的JavaAPI，這里給出一個示例：

而自動補全的結果也比較特殊，解析的代碼如下：

2.4.5.實現搜索框自動補全

查看前端頁面，可以發現當我們在輸入框鍵入時，前端會發起ajax請求：

返回值是補全詞條的集合，類型為List<String>

1）在cn.itcast.hotel.web包下的HotelController中添加新接口，接收新的請求：

@GetMapping("suggestion")
public List<String> getSuggestions(@RequestParam("key") String prefix) {
    return hotelService.getSuggestions(prefix);
}

2）在cn.itcast.hotel.service包下的IhotelService中添加方法：

List<String> getSuggestions(String prefix);

3）在cn.itcast.hotel.service.impl.HotelService中實現該方法：

@Override
public List<String> getSuggestions(String prefix) {
    try {
        // 1.准備Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准備DSL
        request.source().suggest(new SuggestBuilder().addSuggestion(
            "suggestions",
            SuggestBuilders.completionSuggestion("suggestion")
            .prefix(prefix)
            .skipDuplicates(true)
            .size(10)
        ));
        // 3.發起請求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.解析結果
        Suggest suggest = response.getSuggest();
        // 4.1.根據補全查詢名稱，獲取補全結果
        CompletionSuggestion suggestions = suggest.getSuggestion("suggestions");
        // 4.2.獲取options
        List<CompletionSuggestion.Entry.Option> options = suggestions.getOptions();
        // 4.3.遍歷
        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);
    }
}

資料地址：
鏈接：https://pan.baidu.com/s/1cQVyPGjyk-_t3b04wkcMfg
提取碼：1211


免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。



猜您在找 基於elasticSearch實現自動補全 Elasticsearch-數據同步 Elasticsearch-數值類型 Elasticsearch-集群原理 Elasticsearch-分片原理2 Elasticsearch-數據聚合 6、ElasticSearch-精確查找 elasticsearch-全量 Elasticsearch-常用的查詢 Elasticsearch-刪除記錄
 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM