gitchennan/ elasticsearch-analysis-lc-pinyin

Java

Need help with elasticsearch-analysis-lc-pinyin?

Click the “chat” button below for chat support from the developer who created it, or find similar developers for support.

About the developer

gitchennan

135 Stars

49 Forks

Artistic License 2.0

46 Commits

14 Opened issues

Description

一款运行于Elasticsearch之上的中文拼音智能分词插件，支持全拼、首字母、中文混合搜索

Services available

Need anything else?

Contributors list

陈楠 gitchennan

# 425,144

Java

18 commits

Readme

LC Pinyin Analysis for Elasticsearch

Name: elasticsearch-analysis-lc-pinyin
Brand: elasticsearch-analysis-lc-pinyin
SKU: //gitchennan/elasticsearch-analysis-lc-pinyin
Rating: 2.0875 (135 reviews)

Lc Pinyin版本

LC version	ES version
master	5.3.0 -> master
5.3.0.1	5.3.0
5.2.2.1	5.2.2
5.2.0.1	5.2.0
5.1.2.1	5.1.2
5.1.1.1	5.1.1
5.0.2.1	5.0.2
5.0.1.2	5.0.1
5.0.1.1	5.0.1
2.4.2.1	2.4.2
2.2.2.1	2.2.2
1.4.5.2	1.4.5
1.4.5.1	1.4.5

Lc Pinyin介绍

elasticsearch-analysis-lc-pinyin
是一款
elasticsearch
拼音分词插件，可以支持按照全拼、首字母，中文混合搜索。例如我们在某宝搜索框中输入“jianpan” 可以搜索到关键字包含“键盘”的商品。不仅仅输入全拼，有时候我们输入首字母、拼音和首字母、中文和首字母的混合输入，比如：“键pan”、“j盘”、“jianp”、“jpan”、“jianp”、“jp” 等等，都应该匹配到键盘。通过elasticsearch-analysis-lc-pinyin这个插件就能做到类似的搜索
此拼音插件主要用在
短文档
的搜索上，如文章的标题、作者，商品的品牌等，不建议用在
长文档
中

分析器 - Analyzer

lc_index
: 该分词器用于索引数据时指定，将中文转换为全拼和首字，同时保留中文
lc_search
: 该分词器用于拼音搜索时指定，按最小拼音分词个数拆分拼音，优先拆分全拼

分词器 - Tokenizer

lc_index
：参数 mode: full_pinyin，first_letter，chinese_char
lc_search
：参数 mode: smart_pinyin，single_letter

过滤器 - TokenFilter

lc_full_pinyin
：将中文Token转全拼(支持多音字)
lc_first_letter
：将中文Token转首字母(支持多音字)

过滤器使用示例

以下是使用ik分词结合拼音过滤器使用例子： 1. 创建一个索引，并定义分析器

bash
PUT /index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "ik_letter_smart": {
          "type": "custom",
          "tokenizer": "ik_max_word",
          "filter": [
            "lc_first_letter"
          ]
        },
        "ik_py_smart": {
          "type": "custom",
          "tokenizer": "ik_max_word",
          "filter": [
            "lc_full_pinyin"
          ]
        }
      }
    }
  }
}

2. 测试分词 ```bash curl -XGET 'http://192.168.0.109:9200/index/analyze?analyzer=ikpy_smart&pretty&text=英雄难过美人关'

返回词条：

{ "tokens" : [ { "token" : "yingxiongnanguomeirenguan", "startoffset" : 0, "endoffset" : 7, "type" : "CNWORD", "position" : 0 }, { "token" : "yingxiongnanguo", "startoffset" : 0, "endoffset" : 4, "type" : "CNWORD", "position" : 1 }, { "token" : "yingxiong", "startoffset" : 0, "endoffset" : 2, "type" : "CNWORD", "position" : 2 }, { "token" : "nanguo", "startoffset" : 2, "endoffset" : 4, "type" : "CNWORD", "position" : 3 }, { "token" : "meirenguan", "startoffset" : 4, "endoffset" : 7, "type" : "CNWORD", "position" : 4 }, { "token" : "meiren", "startoffset" : 4, "endoffset" : 6, "type" : "CNWORD", "position" : 5 }, { "token" : "guan", "startoffset" : 6, "endoffset" : 7, "type" : "CN_CHAR", "position" : 6 } ] } ```

分析器使用示例

1.创建一个索引

index

curl -XPUT http://localhost:9200/index

2.创建类型

brand

的mapping

curl -XPOST http://localhost:9200/index/_mapping/brand -d'
{
  "brand": {
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "lc_index",
        "search_analyzer": "lc_search",
        "term_vector": "with_positions_offsets"
      }
    }
  }
}'

3.索引一些互联网品牌

curl -XPOST http://localhost:9200/index/brand/1 -d'{"name":"百度"}'
curl -XPOST http://localhost:9200/index/brand/8 -d'{"name":"百度糯米"}'
curl -XPOST http://localhost:9200/index/brand/2 -d'{"name":"阿里巴巴"}'
curl -XPOST http://localhost:9200/index/brand/3 -d'{"name":"腾讯科技"}'
curl -XPOST http://localhost:9200/index/brand/4 -d'{"name":"网易游戏"}'
curl -XPOST http://localhost:9200/index/brand/9 -d'{"name":"大众点评"}'
curl -XPOST http://localhost:9200/index/brand/10 -d'{"name":"携程旅行网"}'

4.编写高亮查询DSL

此示例通过

lc_search

分词器配合

match_phrase

查询实现品牌的

全拼

搜索搜索全拼关键字

baidu

，请求DSL如下：

bash
curl -XPOST http://localhost:9200/index/brand/_search  -d'
{
    "query": {
        "match": {
          "name": {
            "query": "baidu",
            "analyzer": "lc_search",
            "type": "phrase"
          }
        }
    },
    "highlight" : {
        "pre_tags" : [""],
        "post_tags" : [""],
        "fields" : {
            "name" : {}
        }
    }
}'

匹配到

百度

、

百度糯米

两个品牌 tip：

百度

排在

百度糯米

的前面，因为name字段长度更短查询结果：

bash
{
    "took": 18,
    "timed_out": false,
    "_shards": {
        "total": 1,
        "successful": 1,
        "failed": 0
    },
    "hits": {
        "total": 2,
        "max_score": 2.5751648,
        "hits": [
            {
                "_index": "index",
                "_type": "brand",
                "_id": "1",
                "_score": 2.5751648,
                "_source": {
                    "name": "百度"
                },
                "highlight": {
                    "name": [
                        "百度"
                    ]
                }
            }
            ,
            {
                "_index": "index",
                "_type": "brand",
                "_id": "8",
                "_score": 2.0601318,
                "_source": {
                    "name": "百度糯米"
                },
                "highlight": {
                    "name": [
                        "百度糯米"
                    ]
                }
            }
        ]
    }
}