Elasticsearch 分词搜索

之前做了一下ES 的分词搜索，在网上找的资料很少，只能根据API一点点扒拉，总算长得帅还是有好处的，成功的通过分词进行搜索，适用的场景，根据某些字段进行分词匹配，并指定字段不同的优先级，都是通过http请求直接完成，自己实现是通过java封装了一下，java代码就不贴出来了，大家可以根据根据自己需要进行封装
分词查询大概需要两步操作：1.设置ES 某index下的mapping，2，针对字段进行query搜索

前提是先安装ES的分词插件，参考地址：http://ludizhang.iteye.com/blog/2323939

1.设置index mapping
向ES发送http PUT请求，
url：http://ip:port/indexName
postBody :

 {
    "mappings": {
        "testBase2": {
            "properties": {
                "field1": {
                    "type": "string",
                    "index": "analyzed",
                    "analyzer": "ik",
                    "search_analyzer": "ik",
                     "store":"yes"
                },
               "field1": {
                    "type": "string",
                    "index": "analyzed",
                    "analyzer": "ik",
                    "search_analyzer": "ik",-- 指定分词器
                    "store":"yes"
              } 
            }
        }
    }
}

怎么判断设置成功了呢，可以参考[img]



[/img]

在那黑框中有mapingg信息，不是setting里面的mapping哦，而是直接一个mapping节点，
同时图片中的页面是基于ES的_plugin/head/插件的

2.分词查询 向ES 发送 查询的POST请求

url：http://ip:port/indexName/typeName/_search

{
    "query": {
        "bool": {
            "must": [
                {
                    "query_string": {
                        "analyzer": "ik",-- 分析器，基于IK分词
                        "default_field": "field1",-- 查询字段
                        "query": "中国和美国",-- 匹配内容
                        "boost": 6 -- 查询权重
                    },
                    "query_string": {
                        "analyzer": "ik",
                        "default_field": "field2",
                        "query": "中国和美国",
                        "boost": 4
                    }
                }
            ]
        }
    },
"size": 10,-- 分页设置，每页条数
"from": 0-- 开始索引
}

查询结果
{
    "took": 7,
    "timed_out": false,
    "_shards": {
        "total": 5,
        "successful": 5,
        "failed": 0
    },
    "hits": {
        "total": 4,-- 总条数
        "max_score": 1,
        "hits": [
            {
                "_index": "index",
                "_type": "testBase2",
                "_id": "3187",
                "_score": 1,
                "_source": {
                    "brandName": "test5",
                    "classifyId": 23,
                    "labelWord": "标签3",
                    "videoName": "投放两段，9-12,14-16",
                    "brandId": 6,
                    "videoDesc": "视频简介5",
                    "videoId": 3187,
                    "classifyName": "生活aa",
                    "keyWord": "关键4"
                }
            },
            ....
        ]
    }
}

********************* 更新，用更加简单发方式进行复杂的查询

{
"fields": ["videoName","videoDesc"],//指定返回的字段
    "query": {
        "bool": {
            "must": [
                {
                    "query_string": {
                        "fields": ["videoName^9","videoDesc^1"],//查询字段+权重
                         "analyzer": "ik",
                        "query": "解决方式"
                    }
                }
            ]
        }
    },"from": 0, "size": 60
}

返回的结果和上一个查询方法返回的格式差不多，区别在于我们的这个查询是指定字段查询在
返回的数据部分

{
    "took": 38,
    "timed_out": false,
    "_shards": {
        "total": 5,
        "successful": 5,
        "failed": 0
    },
    "hits": {
        "total": 2444,
        "max_score": 1,
        "hits": [
            {
                "_index": "index",
                "_type": "testBase2",
                "_id": "1230",
                "_score": 1,
                "fields": {
                    "videoName": [
                        "一路向北"
                    ],
                    "videoDesc": [
                        "开辆奔驰，一路向北。在每条路上，玩的是乐趣，若能变换自如，我必飞奔到底。|奔驰"
                    ]
                }
            }
        ]
    }
}

区别在于 内部的hits 中的_source:字段，变成了fields字段，返回的数据格式由简单json数据 变为了 json 嵌套 jsonArray数据，解析起来比较麻烦一点，这个看个人爱好了