六.Elasticsearch教程 - ElasticSearch高亮显示

注：version:elasticsearch-7.11.2

添加测试数据

#新建索引
PUT /high_light_test
{
  "mappings": {
    "properties": {
      "title": {
          "type": "text",
          "analyzer": "ik_max_word"
        },
        "content": {
          "type": "text",
          "analyzer": "ik_max_word"
        }
     }
  }, 
  "settings": {
    "number_of_shards": 1,
    "number_of_replicas": 0
  }
}
#或者用这种写法新建索引，可以设置默认分词器
PUT /high_light_test
{
    "settings" : {
        "index" : {
            "analysis.analyzer.default.type": "ik_max_word"
        },
        "number_of_shards": 1,
            "number_of_replicas": 0
    }
}

PUT /high_light_test/_doc/1
{
  "title": "2021年最新好看的电影推荐",
  "content": "新年又到了，2021年最新好看的电影有不少，我给大家推荐几部：balabala"
}

一.高亮显示语法

#单条件查询高亮显示
GET /high_light_test/_search 
{
  "query": {
    "match": {
      "title": "最新电影推荐"
    }
  },
  "highlight": {
    "fields": {
      "title": {}
    }
  }
}

#组合查询高亮显示。在 highlight 里面填写要高亮显示的字段
GET /high_light_test/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "title": "新电影"
          }
        },
        {
          "match": {
            "content": "最新电影推荐"
          }
        }
      ]
    }
  },
  "highlight": {
    "fields": {
      "title": {},
      "content": {}
    }
  }
}

<em>会让搜索词红色高亮显示

设置高亮字体颜色

高亮字体默认显示红色，我们也可以改变高亮字体的颜色。例：

（fields: * 代表所有field都高亮显示）

#组合查询高亮显示
GET /high_light_test/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "title": "最新电影推荐"
          }
        },
        {
          "match": {
            "content": "最新电影推荐"
          }
        }
      ]
    }
  },
  "highlight": {
    "require_field_match": false,
    "fields": {
      "*": {
        "pre_tags": [
          "<font color='yellow'>"
        ],
        "post_tags": [
          "</font>"
        ]
      }
    }
  }
}

二.ElasticSearch三种高亮的方式

第一种：plain highlight

默认的高亮方式，也是lucene自带的高亮方式

第二种：posting highlight

用法：在 mappings 里指定 index_options=offsets

优点：（1）性能比plain highlight要高，因为不需要重新对高亮文本进行分词

     （2）对磁盘的消耗更少

例：

#删除旧索引
DELETE /high_light_test
#重建索引，指定content的 "index_options": "offsets"
PUT /high_light_test
{
  "mappings": {
    "properties": {
      "title": {
          "type": "text",
          "analyzer": "ik_max_word"
        },
        "content": {
          "type": "text",
          "analyzer": "ik_max_word",
          "index_options": "offsets"
        }
     }
  }, 
  "settings": {
    "number_of_shards": 1,
    "number_of_replicas": 0
  }
}
#重新添加一下测试数据
PUT /high_light_test/_doc/1
{
  "title": "2021年最新好看的电影推荐",
  "content": "新年又到了，2021年最新好看的电影有不少，我给大家推荐几部：balabala"
}

高亮查询：

测试结果看不出差别😔，应该是数据量小看不出性能差别。

第三种：fast vector highlight

用法：在 mappings 里设置 "term_vector" : "with_positions_offsets"

优点：对大field而言（大于1mb）性能更高

例：跟上面的类似

#重建索引，指定content的 "index_options": "offsets"
PUT /high_light_test
{
  "mappings": {
    "properties": {
      "title": {
          "type": "text",
          "analyzer": "ik_max_word"
        },
        "content": {
          "type": "text",
          "analyzer": "ik_max_word",
          "term_vector" : "with_positions_offsets"
        }
     }
  }, 
  "settings": {
    "number_of_shards": 1,
    "number_of_replicas": 0
  }
}

三.强制使用某一种hightlight

比如对于开启了term_vector的field而言，可以强制使用plain highlight

例：

GET /high_light_test/_search
{
  "query": {
    "match": {
      "content": "最新电影推荐"
    }
  },
  "highlight": {
    "fields": {
      "content": {
        "type": "plain"
      }
    }
  }
}

总结：一般情况下用 plain highlight 就够了，

如果对高亮的性能要求很高，可以尝试启用 posting highlight 。

如果field的值特别大，超过了1M，那么可以用 fast vector highlight。

四.高亮显示的参数：fragment_size和number_of_fragments

在百度中搜索，不可能把所有匹配到的内容都返回，那样页面装不下。那就用到 fragment_size 和 number_of_fragments 参数。

例：

GET /high_light_test/_search
{
  "query": {
    "match": {
      "content": "最新电影推荐"
    }
  },
  "highlight": {
    "fields": {
      "content": {
        "fragment_size": 1,
        "number_of_fragments": 2
      }
    }
  }
}

fragment_size：代表字段数据如果过长，则分段，每个片段数据长度为多少。长度不是字符数量，是ElasticSearch内部的数据长度计算方式。默认不对字段做分段。 number_of_fragments：代表搜索返回的高亮片段数量，默认情况下会将拆分后的所有片段都返回。