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elasticsearchanalysispinyin分析器来实现。2、安装拼音分词器进入es的插件目录cdusrlocaleselasticsearch8。4。3plugins下载wgethttps：github。commedclelasticsearchanalysispinyinreleasesdownloadv8。4。3elasticsearchanalysispinyin8。4。3。zip新建目录mkdiranalysispinyin解压mvelasticsearchanalysispinyin8。4。3。zipanalysispinyincdanalysispinyinunzipelasticsearchanalysispinyin8。4。3。ziprmrvfelasticsearchanalysispinyin8。4。3。zipcd。。chownRes：esanalysispinyin启动esusrlocaleselasticsearch8。4。3binelasticsearchd3、拼音分词器提供的功能
　　拼音分词器提供如下功能
　　拼音分词器提供的功能
　　每个选项的含义可以通过文档中的例子来看懂。4、简单测试一下拼音分词器4。1dslGETanalyze｛text：〔我是中国人〕，analyzer：pinyin｝
　　analyzer：pinyin此处的pinyin是拼音分词器自带的。4。2运行结果
　　运行结果
　　从图片上，实现了拼音分词，但是这个不一定满足我们的需求，比如没有中文了，单个的拼音（比如：wo）是没有什么用的，需要对拼音分词器进行定制化。5、es中分词器的组成
　　在elasticsearch中分词器analyzer由如下三个部分组成：1。characterfilters：用于在tokenizer之前对文本进行处理。比如：删除字符，替换字符等。2。tokenizer：将文本按照一定的规则分成独立的token。即实现分词功能。3。tokenizerfilter：将tokenizer输出的词条做进一步的处理。比如：同义词处理，大小写转换、移除停用词，拼音处理等。
　　处理流程
　　6、自定义一个分词器实现拼音和中文的搜索
　　需求：自定义一个分词器，即可以实现拼音搜索，也可以实现中文搜索。1、创建mappingPUTtestpinyin｛settings：｛分析阶段的设置analysis：｛分析器设置analyzer：｛自定义分析器，在tokenizer阶段使用ikmaxword，在filter上使用pycustomanalyzer：｛tokenizer：ikmaxword，filter：custompinyin｝｝，由于不满足pinyin分词器的默认设置，所以我们基于pinyin自定义了一个filter，叫py，其中修改了一些设置这些设置可以在pinyin分词器官网找到filter：｛custompinyin：｛type：pinyin，不会这样分：刘德华〔liu，de，hua〕keepfullpinyin：false，这样分：刘德华〔liudehua〕keepjoinedfullpinyin：true，保留原始token（即中文）keeporiginal：true，设置firstletter结果的最大长度，默认值：16limitfirstletterlength：16，当启用此选项时，将删除重复项以保存索引，例如：de的de，默认值：false，注意：位置相关查询可能受影响removeduplicatedterm：true，如果非汉语字母是拼音，则将其拆分为单独的拼音术语，默认值：true，如：liudehuaalibaba13zhuanghanliu，de，hua，a，li，ba，ba，13，zhuang，han，注意：keepnonechinese和keepnonechinesetogether应首先启用nonechinesepinyintokenize：false｝｝｝｝，定义mappingmappings：｛properties：｛name：｛type：text，创建倒排索引时使用的分词器analyzer：customanalyzer，搜索时使用的分词器，搜索时不使用customanalyzer是为了防止词语的拼音一样，但是中文含义不一样，导致搜索错误。比如：科技和客机，拼音一样，但是含义不一样searchanalyzer：iksmart｝｝｝｝
　　注意：
　　可以看到我们的name字段使用的分词器是customanalyzer，这个是我们在上一步定义的。但是搜索的时候使用的是iksmart，这个为甚么会这样呢？
　　假设我们存在如下2个文本科技强国和这是一架客机，那么科技和客机的拼音是不是就是一样的。这个时候如果搜索时使用的分词器也是customanalyzer那么，搜索科技的时候客机也会搜索出来，这样是不对的。因此在搜索的时候中文就以中文搜，拼音就以拼音搜。｛name：｛type：text，analyzer：customanalyzer，searchanalyzer：iksmart｝｝
　　当analyzer和searchanalyzer的值都是customanalyzer，搜索时也会通过拼音搜索，这样的结果可能就不是我们想要的。2、插入数据PUTtestpinyinbulk｛index：｛id：1｝｝｛name：科技强国｝｛index：｛id：2｝｝｛name：这是一架客机｝｛index：｛id：3｝｝3、搜索数据
　　搜索数据7、参考文档
　　1、https：github。commedclelasticsearchanalysispinyintreemaster