本文导读
本文仿照QQ的用户搜索，搭建一个中文+拼音的混合检索系统，并高亮显示检索字段。全文共分为以下几部分：
1、项目简介，包括需求描述与分析等；
2、项目开发，通过两个版本的index，验证并完成需求；
3、从分词和高亮原理入手，深度分析高亮显示问题；
4、SpringBoot+RestHighLevelClient 完成项目开发。
【ps：留言区附完整版项目源码地址】
01 项目简介
本项目基于ElasticSearch 7.7.1，analysis-pinyin 7.7.1，参考QQ的用户搜索效果，完成一个中文+拼音的混合检索系统。（ElasticSearch的安装请参考在docker中安装ES）
1.1 检索场景示例
中文+首字母+全拼检索
其实QQ的用户检索是有很多限制的，比如说首字母检索时，必须从第一个字开始匹配【输入“gz”，可以检索到“关注我”，但是不能检索到“我关注”】；
再比如说全拼+首字母检索时，全拼必须在前面【输入“guanz”，可以检索到“关注我”，但是输入“gzhu”，是不能检索到结果的】；
至于为什么会有如此限制，个人猜测是考虑检索性能（PS：欢迎留言讨论）。
1.2 检索需求描述
参考QQ，列出“用户检索系统”的需求如下：
1）支持首字母检索；
2）支持首字母+全拼检索；
3）支持中文+首字母+全拼混合检索；
4）检索词有中文，则必须包含；
5）高亮显示检索命中词。
1.3 需求分析
从需求1，可知，需要建立【首字母的倒排索引】；
从需求2，可知，需要建立【全拼的倒排索引】；
02 项目开发
2.1 第一个版本
根据上面的分析，参考 analysis-pinyin 官网，创建了第一版index：
ps：关于 analysis-pinyin 各个配置项的含义可参考官网PUT /user_index/{ "settings": { "index": { "number_of_shards": 1, "number_of_replicas": 1 }, "analysis": { "analyzer": { "pinyin_analyzer": { "tokenizer": "my_pinyin" } }, "tokenizer": { "my_pinyin": { "type": "pinyin", "keep_first_letter": true, "keep_separate_first_letter": true, "keep_full_pinyin": true, "keep_original": false, "limit_first_letter_length": 16, "lowercase": true } } } }, "mappings": { "dynamic": false, "properties": { "nickName": { "type": "keyword", "fields": { "pinyin": { "type": "text", "store": false, "analyzer": "pinyin_analyzer" } } } } }}使用_analyze接口，看下分词效果：
GET user_index/_analyze{ "field": "nickName.pinyin", "text": [ "关注我" ]}# 结果如下：{ "tokens" : [ { "token" : "g", "start_offset" : 0, "end_offset" : 0, "type" : "word", "position" : 0 }, { "token" : "guan", "start_offset" : 0, "end_offset" : 0, "type" : "word", "position" : 0 }, { "token" : "gzw", "start_offset" : 0, "end_offset" : 0, "type" : "word", "position" : 0 }, { "token" : "z", "start_offset" : 0, "end_offset" : 0, "type" : "word", "position" : 1 }, { "token" : "zhu", "start_offset" : 0, "end_offset" : 0, "type" : "word", "position" : 1 }, { "token" : "w", "start_offset" : 0, "end_offset" : 0, "type" : "word", "position" : 2 }, { "token" : "wo", "start_offset" : 0, "end_offset" : 0, "type" : "word", "position" : 2 } ]}一切都ok，好像能满足需求，插入几条数据，验证下：
POST _bulk{"index":{"_index":"user_index","_id":"1"}}{"nickName":"关注我"}{"index":{"_index":"user_index","_id":"2"}}{"nickName":"我关注"}{"index":{"_index":"user_index","_id":"3"}}{"nickName":"系统学ES就关注我"}{"index":{"_index":"user_index","_id":"4"}}{"nickName":"系统学ES"}试试检索效果：
GET /user_index/_search{ "query": { "match_phrase": { "nickName.pinyin": "guanz我" } }}结果如下： "hits" : [ { "_index" : "user_index", "_type" : "_doc", "_id" : "1", "_score" : 1.9991971, "_source" : { "nickName" : "关注我" } }, { "_index" : "user_index", "_type" : "_doc", "_id" : "3", "_score" : 1.4875543, "_source" : { "nickName" : "系统学ES就关注我" } } ]经过测试，发现是可以满足需求1、2、3的（有兴趣的小伙伴可以自己试试哟）。
但别忘了，我们还有需求4和5，关于需求4，可以简单的使用 post_filter 后置过滤完成需求。
对于高亮显示，ES本身是提供了 highlight 语法的，写个DSL验证一下：
# 检索语句GET /user_index/_search{ "query": { "match_phrase": { "nickName.pinyin": "guanz我" } }, "highlight": { "fields": { "nickName.pinyin": {} } }}# 部分结果 { "_index" : "user_index", "_type" : "_doc", "_id" : "1", "_score" : 1.9991971, "_source" : { "nickName" : "关注我" }, "highlight" : { "nickName.pinyin" : [ "<em></em><em></em><em></em>关注我" ] } }发现居然没办法高亮！这可不行呀，这么简单的需求，必须实现了！
通过阅读 ES官方文档 + 不断尝试，终于找到原因，完美解决。
2.2 第二版
解决方案：
ElasticSearch实战系列02：中文+拼音混合检索，并高亮显示
