analysis-pinyin拼音分词插件
analysis-pinyin拼音分词插件是百度智能云Elasticsearch默认安装的分词插件。
注意：目前analysis-pinyin拼音分词插件支持所有版本的Elasticsearch实例。
使用方法
创建索引并使用自定义拼音分析器
PUT /test_index/
{
"settings" : {
"analysis" : {
"analyzer" : {
"pinyin_analyzer" : {
"tokenizer" : "my_pinyin"
}
},
"tokenizer" : {
"my_pinyin" : {
"type" : "pinyin",
"keep_separate_first_letter" : false,
"keep_full_pinyin" : true,
"keep_original" : true,
"limit_first_letter_length" : 16,
"lowercase" : true,
"remove_duplicated_term" : true
}
}
}
}
}其中参数含义如下：
| 参数 | 含义 | 默认值 | 备注 |
|---|---|---|---|
| keep_first_letter | 保留拼音首字母分词，例如：刘德华->ldh。 |
true | |
| keep_separate_first_letter | 拆分保留拼音首字母，例如：刘德华->l,d,h。 |
false | 分词过细可能导致查询结果比较模糊 |
| limit_first_letter_length | 限制首字母最大长度 | 16 | |
| keep_full_pinyin | 拆分保留全拼，例如：刘德华-> [liu,de,hua] |
true | |
| keep_joined_full_pinyin | 合并保留全拼，例如：刘德华-> liudehua |
false | |
| keep_none_chinese | 保留非中文字符 | true | |
| keep_none_chinese_together | 保留非中文字符，并将非中文字符放在一起。例如：当设置为true，则DJ音乐家 -> DJ,yin,yue,jia；当设置为false，DJ音乐家 -> D,J,yin,yue,jia |
true | 需要先设置keep_none_chinese为true |
| keep_none_chinese_in_first_letter | 将非中文字符放在首字母分词中，例如：刘德华AT2016->ldhat2016 |
true | |
| keep_none_chinese_in_joined_full_pinyin | 将非中文字符放在全拼分词中，例如：刘德华AT2016->liudehua2016 |
false | |
| none_chinese_pinyin_tokenize | 如果非中文字母是拼音的话，把它们分成单独的拼音。例如：liudehuaalibaba13zhuanghan -> liu,de,hua,a,li,ba,ba,13,zhuang,han |
true | 需要先设置keep_none_chinese和keep_none_chinese_together为true |
| keep_original | 在分词的同时，保留原始输入内容 | false | |
| lowercase | 将非中文字符转化成小写字母 | true | |
| trim_whitespace | 去除空格 | true | |
| remove_duplicated_term | 删除重复的term，例如：de的>de |
false |
测试拼音分词效果
GET /test_index/_analyze
{
"text": ["刘德华"],
"analyzer": "pinyin_analyzer"
}{
"tokens" : [
{
"token" : "liu",
"start_offset" : 0,
"end_offset" : 1,
"type" : "word",
"position" : 0
},
{
"token" : "de",
"start_offset" : 1,
"end_offset" : 2,
"type" : "word",
"position" : 1
},
{
"token" : "hua",
"start_offset" : 2,
"end_offset" : 3,
"type" : "word",
"position" : 2
},
{
"token" : "刘德华",
"start_offset" : 0,
"end_offset" : 3,
"type" : "word",
"position" : 3
},
{
"token" : "ldh",
"start_offset" : 0,
"end_offset" : 3,
"type" : "word",
"position" : 4
}
]
}创建索引mapping
POST /test_index/_mapping
{
"properties": {
"name": {
"type": "keyword",
"fields": {
"pinyin": {
"type": "text",
"store": false,
"term_vector": "with_offsets",
"analyzer": "pinyin_analyzer",
"boost": 10
}
}
}
}
}写入数据
POST /test_index/_doc
{"name":"刘德华"}查询测试
POST test_index/_search?q=name.pinyin:刘德华
POST test_index/_search?q=name.pinyin:刘德
POST test_index/_search?q=name.pinyin:liu
POST test_index/_search?q=name.pinyin:ldh
POST test_index/_search?q=name.pinyin:de+hua