Elasticsearch高级检索之使用单个字母数字进行分词N-gram tokenizer（不区 ...

一、前言

小编最近在做到一个检索相关的需求，要求按照一个字段的每个字母或者数字进行检索，如果是不设置分词规则的话，英文是按照单词来进行分词的。
小编以7.6.0版本做的功能哈，大家可以根据自己的版本去官网看看，应该区别不大
例子：
C6153PE-冬日恋歌，要可以通过任何一个数字和字母进行检索到，并且不区分大小写。c，6，c6等等！
今天官网上有一些例子，觉得和实战还是有点区别，小编这里通过了测试抓紧来记录一下，希望帮助后来人哈！
二、测试分词策略

我们进入官网找到我们需要的策略：
Elasticsearch策略官网
N-gram 分词器
每当遇到指定字符列表中的一个时，ngram标记器首先将文本分解为单词，然后发出 指定长度的每个单词的N-gram。
N-gram 就像一个在单词上移动的滑动窗口——一个指定长度的连续字符序列。它们对于查询不使用空格或复合词长的语言很有用。
我们去kibana进行测试分词策略是否符合我们的要求：

1. POST _analyze
2. {
3.   "tokenizer": "ngram",
4.   "text": "C6153PE-冬日恋歌"
5. }

复制代码

分词分得细，会导致检索的效率降低，但是需求如此，没办法，最重要的是小编这里的数据量只有1w，其实换了这种分词，是无感知的！

分词策略规则：
ngram分词器接受以下参数：
参数解释min_gram以 gram 为单位的最小长度。默认为1.max_gram以 gram 为单位的最大字符长度。默认为2.token_chars应包含在令牌中的字符类，Elasticsearch 将根据不属于指定类的字符进行拆分。默认为[]（保留所有字符）详细参数见下表custom_token_chars应被视为令牌一部分的自定义字符。例如，将此设置为+-_将使标记器将加号、减号和下划线符号视为标记的一部分。min_gram将和设置max_gram为相同的值通常是有意义的。长度越小，匹配的文档越多，但匹配的质量越低。长度越长，匹配越具体。三元组（长度3）是一个很好的起点。官方比较推荐使用3，可能是因为效率分词粒度两不误吧，这里不符合小编的，小编这里使用是1，2，也就是默认的值
token_chars参数解释例子letter字母，例如a, b,ï或京digit数字，例如3或7whitespace空白，例如" "或"\n"punctuation标点，例如!或"symbol标记， 例如$或√custom自定义，需要使用 custom_token_chars设置设置的自定义字符custom_token_chars：
应被视为令牌一部分的自定义字符。例如，将此设置为+-_将使标记器将加号、减号和下划线符号视为标记的一部分。
三、在索引字段中使用

官方是使用一个字段进行测试的，这里小编就直接使用公司的索引进行演示了！
这里是官网的例子：

下面放出来小编实战后的例子：
总结就是在settings配置分词策略，在mappings中进行使用即可！！

1. PUT /product
2. {
3.   "settings": {
4.     "number_of_shards": 1,
5.     "number_of_replicas": 0,
6.     "index": {
7.       "max_result_window": 100000000
8.     },
9.     # 这里使用分词策略
10.     "analysis": {
11.       "analyzer": {
12.         "my_analyzer": {
13.           # 这里分词指定下面策略的具体配置的名称
14.           "tokenizer": "my_tokenizer",
15.           # 这里忽略大小写配置
16.           "filter": [
17.             "lowercase"
18.           ]
19.         }
20.       },
21.       # 具体策略配置
22.       "tokenizer": {
23.         "my_tokenizer": {
24.           "type": "ngram",
25.           "min_gram": 1,
26.           "max_gram": 2,
27.           "token_chars": [
28.             "letter",
29.             "digit"
30.           ]
31.         }
32.       }
33.     }
34.   },
35.   "mappings": {
36.     "dynamic": "strict",
37.     "properties": {
38.       "@timestamp": {
39.         "type": "date"
40.       },
41.       "@version": {
42.         "type": "text",
43.         "fields": {
44.           "keyword": {
45.             "type": "keyword",
46.             "ignore_above": 256
47.           }
48.         }
49.       },
50.       "cargoNo": {
51.         "type": "text"
52.       },
53.       "name": {
54.         "type": "text"
55.       },
56.       "sort": {
57.         "type": "integer"
58.       },
59.       "attribute13": {
60.         "type": "text",
61.         # 在需要的字段指定我们写的分词策略
62.         "analyzer": "my_analyzer"
63.       },
64.       "isDeleted": {
65.         "type": "integer"
66.       }
67.     }
68.   }
69. }

复制代码

四、在springboot中实战

为了公司，小编只粘贴部分条件构建规则：

1. SearchRequest searchRequest = new SearchRequest("product");
2. SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
3. BoolQueryBuilder bool = new BoolQueryBuilder();
4. BoolQueryBuilder boolQueryBuilder = new BoolQueryBuilder();
5. boolQueryBuilder.should(QueryBuilders.matchPhraseQuery("name", model))
6.          .should(QueryBuilders.matchPhraseQuery("cargoNo", model))
7.          .should(QueryBuilders.wildcardQuery("cargoNo", "*" + model + "*"))
8.          // 我们分词规则的字段查询
9.          .should(QueryBuilders.matchPhraseQuery("attribute13", model));
10. bool.must(boolQueryBuilder);
11. searchSourceBuilder.query(bool);
12. searchRequest.source(searchSourceBuilder);

复制代码

我们拿着页面感受一下分词带来的效果：
效果实现，随便一个字母都可以查询出来，这里只显示名称和一个数字，其实是使用attribute13来进行查询的，是因为attribute13是名称的第一个-之前的截出来的。

五、总结

这样我们就完成了一些定制化的需求，完美交差，还得是看官网啊！！一定要去看官网！搜了好多都没有这种的教程，写出来帮助后来人，但是详细的还得是看官网哈！小编这里也是把官网的一些概念写到了博客里！！
如果对你有帮助还请不要吝啬你的发财小手给小编来个一键三连哦！谢谢大家了！！
有缘人才可以看得到的哦！！！点击访问！小编自己的网站，里面也是有很多好的文章哦！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！