SpringBoot集成ES实现分词查询，并实现相关内容高亮

不念不忘少年蓝@ 2022-10-08 05:38 632阅读 0赞

### SpringBoot集成ES实现分词查询 ###

*   *  一. 写在前面
     *  二. 准备工作
     *  三. 逻辑
     *  四. 具体操作
     *   *  1.创建索引
         *  2. 给ES中添加数据
         *  3. 分词查询并对相关词条进行高亮
         *  4. 测试结果

## 一. 写在前面 ##

这是我第一次用ES，是直接看的文档然后实现的，只顾着实现效果去了，可能很多细节还做不到位。然后调用的是javaAPI去操作的ES。如果有写的不对的地方，或者有哪些可以改进的地方，请评论区指出，谢谢！  
顺便再说一下实现的效果，搜索“英雄联盟”可以查到“英雄归来”、“和平精英”等结果。

## 二. 准备工作 ##

首先我们得安装一下ES，网上这么多教程而且安装下来很简单，这里就不说了。  
导入一下jar包。

<dependency>
                <groupId>org.elasticsearch</groupId>
                <artifactId>elasticsearch</artifactId>
                <version>7.8.0</version>
            </dependency>
            
            <dependency>
                <groupId>org.elasticsearch.client</groupId>
                <artifactId>elasticsearch-rest-high-level-client</artifactId>
                <version>7.8.0</version>
            </dependency>
    		
            <dependency>
                <groupId>commons-beanutils</groupId>
                <artifactId>commons-beanutils</artifactId>
                <version>1.9.3</version>
            </dependency>
            <dependency>
                <groupId>commons-collections</groupId>
                <artifactId>commons-collections</artifactId>
                <version>3.2.1</version>
            </dependency>
            <dependency>
                <groupId>commons-lang</groupId>
                <artifactId>commons-lang</artifactId>
                <version>2.6</version>
            </dependency>
            <dependency>
                <groupId>commons-logging</groupId>
                <artifactId>commons-logging</artifactId>
                <version>1.1.1</version>
            </dependency>
            <dependency>
                <groupId>net.sf.ezmorph</groupId>
                <artifactId>ezmorph</artifactId>
                <version>1.0.6</version>
            </dependency>
            <dependency>
                <groupId>net.sf.json-lib</groupId>
                <artifactId>json-lib</artifactId>
                <version>2.2.3</version>
                <classifier>jdk15</classifier>
            </dependency>

## 三. 逻辑 ##

这里大概讲一下逻辑，ES服务器我初步可以理解为一个非关系型的数据库。大概流程就是先创建一个索引(可以理解为数据库)，然后将你的每条数据记录给存进去，这个记录(也就是MySQL表里面的一行数据)称为文档。然后查询的时候，就根据你的fields(理解为MySQL表中的一列也叫字段)进行查询。  
ES会自动将你存入的数据给分词(ES支持的数据类型中，String类型的数据又有两种，text也是默认的，支持分词，还有一种是keyword，不支持分词，显然如果你想你的数据只能完全匹配那你就得修改你的数据类型为keyword)，然后给每一个词条建立索引，构成一个倒排索引表。倒排索引，我粗略的理解是这样的，首先正向的索引，就比如从数据库中遍历每条记录去查询你模糊查询匹配的词条。倒排索引就是根据你的词条(索引)直接就可以找到对应的记录。万物皆索引和倒排索引也就是ES为什么查的快的主要原因。

## 四. 具体操作 ##

### 1.创建索引 ###

这个直接用postman put一个请求就行。链接依次为http协议:IP地址:端口/索引名称。ES默认的通信端口就是9200。lll是我随便取的一个索引名称。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjMzNjAxMQ_size_16_color_FFFFFF_t_70]  
没有postman的也可以写一个单元测试，然后使用javaAPI创建。

//创建客户端链接对象，localhost为IP地址，可以更改。
            RestHighLevelClient client = new RestHighLevelClient(
                    RestClient.builder(new HttpHost("localhost", 9200, "http"))
            );
            //创建创建索引请求，eee为索引名称，可以更换
            CreateIndexRequest request = new CreateIndexRequest("eee");
            //获取ES的响应
            CreateIndexResponse response = client.indices().create(request,
                    RequestOptions.DEFAULT);
    		//打印true则成功创建
            System.out.println(response.isAcknowledged());
            //关闭客户端
            client.close();

### 2. 给ES中添加数据 ###

这里是添加的一行的数据，实际中可以循环添加多行，也可以一次性添加多行，ES有对应的接口。

//创建客户端，localhost为IP地址，可以更改。
    RestHighLevelClient client =
                    new RestHighLevelClient(RestClient.builder(
                            new HttpHost("localhost",9200,"http")));
             //创建索引请求
            IndexRequest request = new IndexRequest();
    		//假设我们这里查出的每条记录都封装成一个map集合对象(当然也可以是普通的对象)
    		//eee是上面创建的索引名称
    		//userid是给增加的文档的ID（相当于MySQL表的一行数据的ID）ID不写也可以，ES会默认给一个ID。
            request.index("eee").id(userid);
            //转换为JSON字符串
            ObjectMapper objectMapper = new ObjectMapper();
            String string = objectMapper.writeValueAsString(map);
            request.source(string, XContentType.JSON);
            //发送请求并获取响应
            IndexResponse response = client.index(request, RequestOptions.DEFAULT);
            System.out.println(response);
            }
            //关闭客户端
            client.close();

### 3. 分词查询并对相关词条进行高亮 ###

LinkedList<Object> list = new LinkedList<>();
    		//链接客户端
            RestHighLevelClient client =
                    new RestHighLevelClient(RestClient.builder(
                            new HttpHost("localhost", 9200, "http")));
    		//构建查询请求
            SearchRequest request = new SearchRequest();
            //绑定索引
            request.indices("eee");
    		//构建查询条件，username为想查询对应的字段，英雄联盟为输入的查询的内容
            SearchSourceBuilder builder = new SearchSourceBuilder();
            builder.query(QueryBuilders.matchQuery("articleTitle", "英雄联盟"));
    		//构建高亮条件
            HighlightBuilder highlightBuilder =new HighlightBuilder();
            //高亮词条前缀
            highlightBuilder.preTags("<font color='red'>");
            //高亮词条后缀
            highlightBuilder.postTags("</font>");
            //高亮的字段
            highlightBuilder.field("articleTitle");
            builder.highlighter(highlightBuilder);
    		//添加查询条件到请求中
            request.source(builder);
    		//发送请求并获得响应
            SearchResponse response = client.search(request, RequestOptions.DEFAULT);
            //获取查询到的结果
            for (SearchHit hit : response.getHits()) { 
            	//以map集合封装，highlightFields 就是查出来一条文档(记录)
                Map<String, HighlightField> highlightFields = hit.getHighlightFields();
                //获取高亮结果
                Text[] username= highlightFields.get("articleTitle").getFragments();
                //覆盖原来map集合中的username的值
                hit.getSourceAsMap().put("articleTitle",articleTitles[0].toString());
            }
    		//关闭客户端
            client.close();

### 4. 测试结果 ###

我这里用swagger测试，也可以用postman，或者单元测试。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjMzNjAxMQ_size_16_color_FFFFFF_t_70 1]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjMzNjAxMQ_size_16_color_FFFFFF_t_70]: /images/20221005/83f58be8ea414bd2b433f010cbc6a99a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjMzNjAxMQ_size_16_color_FFFFFF_t_70 1]: /images/20221005/ae42212cd2ae4ec5891dde0848ca0fec.png