ElasticSearch（笔记）

简介

1. 1. 
      
2. 本教程基于​​ElasticSearch7.6.1​​, 注意ES7的语法与ES6的API调用差别很大, 教程发布时最新版本为ES7.6.2(20200401更新);
3. ES是用于全文搜索的工具:
   1. 
      

• • 
    
• SQL: 使用​​like %关键词%​​来进行模糊搜索在大数据情况下是非常慢的, 即便设置索引提升也有限;
• ElasticSearch: 搜索引擎(baidu, github, taobao)
• 一些ES涉及的概念:

• • 
    
• 分词器 ik
• Restful操作ES
• CRUD
• SpringBoot集成ES
  • 
    

Lucene库创始人 Doug Cutting

1. 1. 
      
2. Lucene: java写成的为各种中小型应用软件加入全文检索功能;
3. Nutch: 一个建立在Lucene核心之上的网页搜索应用程序, Nutch的应用比Lucene要更加广泛
4. 大数据解决存储与计算(MapReduce)两个问题:
   1. 
      

• • 
    
• 2004年Doug Cutting基于GFS系统开发了分布式文件存储系统;
• 2005年Doug Cutting基于MapReduce在Nutch搜索引擎实现了这种算法;
• 加入Yahoo后, Doug Cutting将MapReduce和NDFS结合创建了Hadoop, 成为了Hadoop之父;
• Doug Cutting将BigTable集成到Hadoop中
  • 
    

4. 回到主题:

• • 
    
• Lucene是一套信息检索工具包, jar包, 不包含搜索引擎系统;
• Lucene包含索引结构, 读写索引的工具, 排序, 搜索规则, 工具类;
• Lucene和ES的关系:

• ES是基于Lucene做了一些封装和增强, 上手是比较简单的, 比Redis要简单

Elastic概述

1. 1. 
      
2. 分布式的全文搜索引擎, 高扩展性;
3. 接近实时更新的查询搜索;
4. ES是基于Restful的(即用get, post, delete, put来访问);
5. ES进行复杂的数据分析, ELK技术(elastic+logstash+kibana)
   1. 
      

Elastic vs solr

1. 1. 
      
2. 当使用索引时, solr会发生io阻塞, 查询性较差, elastic则在索引情况下的优势明显;
3. elastic的效率在传统项目下一般有50倍的提升;
4. elastic解压即可用, solr需要配置
5. solr用zookeeper进行分布式管理, elastic自带分布式
6. solr支持更多格式的数据, json, xml, csv, elastic只支持json
7. solr比elastic的功能更强大
8. solr查询快, 但是更新索引时慢(如插入和删除慢), elastic查询慢, 但是实时性查询快, 用于facebook新浪等搜索
9. solr是传统搜索应用的解决方案, elastic适用于新兴的实时搜索应用
10. solr比较成熟, elastic目前更新换代快;
    1. 
       

环境准备（版本对应）

• • 
    
• 本笔记参考狂神说，版本为7.6.X
• Lucene是一套信息检索工具包（jar包），不含搜索引擎系统
• ElasticSearch是基于Lucene做了一些封装和增强
  • 
    

入门操作

• • 
    
• JDK1.8以上，客户端，界面工具
• 版本对应。
  • 
    

下载

官网下载

windows下解压就可以使用

目录：

bin：启动文件
config：配置文件
  log4j2 日志文件
  jvm.options 虚拟机文件
  elasticsearch.yml 配置文件  比如默认9200端口
lib：相关jar包

modules：功能模块
plugins：插件：比如ik插件

启动，然后localhost:9200访问

可视化界面head

es head插件，github上面下载

​​https://github.com/mobz/elasticsearch-head​​

npm install
 npm run start #启动插件：localhost:9100

解决跨域问题

修改elasticsearch.yml文件

#解决跨域问题
 http.cors.enabled: true
 http.cors.allow-origin: "*"

kibana日志分析和命令输入

• • 
    
• ELK：日志分析架构栈
• 注意：下载版本与es一致；可以在配置文件中汉化
• 默认端口 localhost:5601
  • 
    

汉化

配置文件中XXX.yml

ES核心概念

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SRzob1Aa-1610955877349)(C:\Users\王东梁\AppData\Roaming\Typora\typora-user-images\image-20210117195426957.png)]

• • 
    
• es是面向文档的，一切都是JSON
  
• 对比

• 
  
• 
  
  关系型数据库Elasticsearch
  
  
  

• 物理设计

• 在后台把每个索引划分为多个分片，每片可以再集群中的不同服务器间迁移；

• 逻辑设计

• • 
    
• 文档：索引和搜索数据的最小单位是文档；

• • 
    
• 自我包含：key：value
• 层次型：一个文档中包含文档（json对象）
  • 
    

• 类型：文档的逻辑容器
• 索引：数据库
  • 
    

• 倒排索引

• es使用倒排索引的结构，采用Lucene倒排索引作为底层。用于快速全文检索。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jfXa0y38-1610955877351)(C:\Users\王东梁\AppData\Roaming\Typora\typora-user-images\image-20210117204515912.png)]

IK分词器插件

• 什么是IK分词器：

• • 
    
• 把一句话分词
  
• 如果使用中文：推荐IK分词器
  
• 两个分词算法：ik_smart（最少切分），ik_max_word（最细粒度划分）
  
  • 
    

4.1 下载安装

下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases

然后解压，放到elasticsearch的plugins中，建立“ik”文件夹，然后放入；

重启观察es：发现加载ik插件了

ik_smart

输入：

GET _analyze
{
  "analyzer": "ik_smart",
  "text": "我是社会主义接班人"
}

输出：

{
  "tokens" : [
    {
      "token" : "我",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "CN_CHAR",
      "position" : 0
    },
    {
      "token" : "是",
      "start_offset" : 1,
      "end_offset" : 2,
      "type" : "CN_CHAR",
      "position" : 1
    },
    {
      "token" : "社会主义",
      "start_offset" : 2,
      "end_offset" : 6,
      "type" : "CN_WORD",
      "position" : 2
    },
    {
      "token" : "接班人",
      "start_offset" : 6,
      "end_offset" : 9,
      "type" : "CN_WORD",
      "position" : 3
    }
  ]
}

ik_max_word

输入：

GET _analyze
{
  "analyzer": "ik_max_word",
  "text": "我是社会主义接班人"
}

输入：

{
  "tokens" : [
    {
      "token" : "我",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "CN_CHAR",
      "position" : 0
    },
    {
      "token" : "是",
      "start_offset" : 1,
      "end_offset" : 2,
      "type" : "CN_CHAR",
      "position" : 1
    },
    {
      "token" : "社会主义",
      "start_offset" : 2,
      "end_offset" : 6,
      "type" : "CN_WORD",
      "position" : 2
    },
    {
      "token" : "社会",
      "start_offset" : 2,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 3
    },
    {
      "token" : "主义",
      "start_offset" : 4,
      "end_offset" : 6,
      "type" : "CN_WORD",
      "position" : 4
    },
    {
      "token" : "接班人",
      "start_offset" : 6,
      "end_offset" : 9,
      "type" : "CN_WORD",
      "position" : 5
    },
    {
      "token" : "接班",
      "start_offset" : 6,
      "end_offset" : 8,
      "type" : "CN_WORD",
      "position" : 6
    },
    {
      "token" : "人",
      "start_offset" : 8,
      "end_offset" : 9,
      "type" : "CN_CHAR",
      "position" : 7
    }
  ]
}

用户配置 字典

当一些特殊词（比如姓名）不能被识别切分时候，用户可以自定义字典：

重启es和kibana测试

Rest风格

5.1 简介

RESTful是一种架构的规范与约束、原则，符合这种规范的架构就是RESTful架构。

操作

5.2 测试

• • 
    
• 1、创建一个索引​​PUT /索引名/类型名/id​​
• 默认是_doc
  • 
    

数据类型

1. 基本数据类型

• • 
    
• 字符串 text, keyword
• 数据类型 long, integer,short,byte,double,float,half_float,scaled_float
• 日期 date
• 布尔 boolean
• 二进制 binary
  • 
    

2. 制定数据类型

创建规则

PUT /test2
{
  "mappings": {

    "properties": {
      "name": {
        "type": "text"
      },
      "age": {
        "type": "long"
      },
      "birthday": {
        "type": "date"
      }
    }
  }  
}

输出：

{
  "acknowledged" : true,
  "shards_acknowledged" : true,
  "index" : "test2"
}

如果不指定具体类型，es会默认配置类型

查看索引

GET test2

• 查看es信息
  get _cat/
  

修改

1. 之前的办法：直接put
  2. 现在的办法：

POST /test1/_doc/1/_update
  {
"doc": {
  "name": "庞世宗"
  }
  }

删除索引

DELETE test1

关于文档的基本操作（重点）

基本操作

添加数据

PUT /psz/user/1
{
  "name": "psz",
  "age": 22,
  "desc": "偶像派程序员",
  "tags": ["暖","帅"]
}

获取数据

GEt psz/user/1
===============输出===========
{
  "_index" : "psz",
  "_type" : "user",
  "_id" : "1",
  "_version" : 1,
  "_seq_no" : 0,
  "_primary_term" : 1,
  "found" : true,
  "_source" : {
    "name" : "psz",
    "age" : 22,
    "desc" : "偶像派程序员",
    "tags" : [
      "暖",
      "帅"
    ]
  }
}

更新数据PUT

更新数据，推荐POST _update

• 不推荐

POST psz/user/1
{
  "doc":{
    "name": "庞庞胖"    #后面信息会没有
  }
}

• 推荐！

POST psz/user/1/_update
{
  "doc":{
    "name": "庞庞胖"    #后面信息存在
  }
}

简单搜索 GET

GET psz/user/1

简答的条件查询：根据默认映射规则产生基本的查询

GET psz/user/_search?q=name:庞世宗

复杂查询

查询，参数使用JSON体

GET psz/user/_search
{
  "query": {
    "match": {
      "name": "庞世宗"   //根据name匹配
    }  
  },
    "_source": ["name","age"],  //结果的过滤，只显示name和age
    "sort": [
    {
      "age": {
        "order": "desc" //根据年龄降序
    }
    }
  ],

  "from": 0, //分页：起始值，从0还是
  "size": 1  //返回多少条数据
}

• • 
    
• 之后只用java操作es时候，所有的对象和方法就是这里面的key
• 分页前端 /search/{current}/{pagesize}
  • 
    

布尔值查询

must(对应mysql中的and) ,所有条件都要符合

GET psz/user/_search
{
  "query": {
    "bool": {
      "must": [  //相当于and
        {
          "match": {
            "name": "庞世宗"
          }

        },
        {
          "match": {
            "age": 22
          }
        }

      ]
    }
  }
}

shoule(对应mysql中的or)

GET psz/user/_search
{
  "query": {
    "bool": {
      "should": [ //should相当于or
        {
          "match": {
            "name": "庞世宗"
          }

        },
        {
          "match": {
            "age": 22
          }
        }

      ]
    }
  }
}

must_not (对应mysql中的not)

过滤器

GET psz/user/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "name": "庞世宗"
          }

        }
      ],
      "filter": [
        {
          "range": {
            "age": {
              "gt": 20   //过滤年龄大于20的
            }
          }
        }
      ]
    }
  }
}

多条件查询

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1EZhNdoZ-1610955877352)(C:\Users\王东梁\AppData\Roaming\Typora\typora-user-images\image-20210117233812605.png)]

精确查询

• trem查询是直接通过倒排索引指定的词条进行精确的查找的。

关于分词：

trem，直接查询精确地

match，会使用分词器解析

关于类型：

text: 分词器会解析

keywords: 不会被拆分

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pqsrOf4H-1610955877357)(C:\Users\王东梁\AppData\Roaming\Typora\typora-user-images\image-20210117234310173.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-WBP1qabF-1610955877361)(C:\Users\王东梁\AppData\Roaming\Typora\typora-user-images\image-20210117234442418.png)]

高亮查询

GET psz/user/_search
{
  "query": {
    "match": {
      "name": "庞世宗"
    }
  },
  "_source": ["name","age"],
  "sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ],
  "highlight": //高亮
  {
    "pre_tags": "<P>",   //自定义高亮
    "post_tags": "</P>", 
    "fields": {
      "name":{}  //自定义高亮区域
    }  
  }
}

集成Springboot

官方文档：https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/index.html

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EtZuYbHs-1610955877362)(C:\Users\王东梁\AppData\Roaming\Typora\typora-user-images\image-20210117234918617.png)]

创建一个模块的办法（新）

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-96Z6UGhi-1610955877363)(C:\Users\王东梁\AppData\Roaming\Typora\typora-user-images\image-20210117235819775.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bDRLboz4-1610955877364)(C:\Users\王东梁\AppData\Roaming\Typora\typora-user-images\image-20210118000624531.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-n5p04vql-1610955877365)(C:\Users\王东梁\AppData\Roaming\Typora\typora-user-images\image-20210118001126961.png)]

1、找到原生的依赖

<dependency>
    <groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch-rest-high-level-client</artifactId>
    <version>7.6.1</version>
</dependency>

    <properties>
        <java.version>1.8</java.version>
        <elasticsearch.version>7.6.1</elasticsearch.version>
    </properties>

2、找对象

Initialization

A ​​RestHighLevelClient​​​ instance needs a ​​REST low-level client builder​​ to be built as follows:

package com.kuang.config;

import org.apache.http.HttpHost;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.springframework.boot.context.properties.ConfigurationProperties;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class ElasticSearchClientConfig {
    @Bean
    public RestHighLevelClient restHighLevelClient(){
        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("localhost", 9200, "http"),
                        new HttpHost("localhost", 9201, "http")));
        return client;
    }
}

The high-level client will internally create the low-level client used to perform requests based on the provided builder. That low-level client maintains a pool of connections and starts some threads so you should close the high-level client when you are well and truly done with it and it will in turn close the internal low-level client to free those resources. This can be done through the ​​close​​:

client.close();

In the rest of this documentation about the Java High Level Client, the ​​RestHighLevelClient​​​ instance will be referenced as ​​client​​.

3、分析类中的方法

一定要版本一致！默认es是6.8.1，要改成与本地一致的。

<properties>
    <java.version>1.8</java.version>
    <elasticsearch.version>7.6.1</elasticsearch.version>
  </properties>

Java配置类

@Configuration  //xml
public class EsConfig {

    @Bean
    public RestHighLevelClient restHighLevelClient(){
        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("localhost", 9200, "http"))); //妈的被这个端口搞了
        return client;
    }
}

索引API操作

1、创建索引

@SpringBootTest
class EsApplicationTests {

  @Autowired
  @Qualifier("restHighLevelClient")
  private RestHighLevelClient restHighLevelClient;

  //创建索引的创建 Request
  @Test
  void testCreateIndex() throws IOException {
    //1.创建索引请求
    CreateIndexRequest request = new CreateIndexRequest("索引名");
    //2.执行创建请求 indices 请求后获得响应
    CreateIndexResponse createIndexResponse = restHighLevelClient.indices().create(request, RequestOptions.DEFAULT);

    System.out.println(createIndexResponse);
  }

}

2、获取索引

@Test
  void testExistIndex() throws IOException {
    GetIndexRequest request = new GetIndexRequest("索引名");
    boolean exist =restHighLevelClient.indices().exists(request,RequestOptions.DEFAULT);
    System.out.println(exist);

  }

3、删除索引

@Test
  void deleteIndex() throws IOException{
    DeleteIndexRequest request = new DeleteIndexRequest("索引名");
    AcknowledgedResponse delete = restHighLevelClient.indices().delete(request, RequestOptions.DEFAULT);
    System.out.println(delete.isAcknowledged());
  }

文档API操作

package com.kuang.pojo;

import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;

@Data
@AllArgsConstructor
@NoArgsConstructor
@Component
public class User {
    private String name;
    private int age;

}

1、测试添加文档

导入

<dependency>
   <groupId>com.alibaba</groupId>
   <artifactId>fastjson</artifactId>
   <version>1.2.16</version>
</dependency>

//测试添加文档
  @Test
  void testAddDocument() throws IOException {
    //创建对象
    User user = new User("psz", 22);
    IndexRequest request = new IndexRequest("ppp");
    //规则 PUT /ppp/_doc/1
    request.id("1");
    request.timeout(timeValueSeconds(1));
    //数据放入请求
    IndexRequest source = request.source(JSON.toJSONString(user), XContentType.JSON);

    //客户端发送请求,获取响应结果
    IndexResponse indexResponse = restHighLevelClient.index(request, RequestOptions.DEFAULT);
    System.out.println(indexResponse.toString());
    System.out.println(indexResponse.status());
  }

2、获取文档

//获取文档，判断是否存在 GET /index/doc/1
  @Test
  void testIsExists() throws IOException {

    GetRequest getRequest = new GetRequest("ppp", "1");
    //过滤，不放回_source上下文
    getRequest.fetchSourceContext(new FetchSourceContext(false));
    getRequest.storedFields("_none_");
    boolean exists = restHighLevelClient.exists(getRequest, RequestOptions.DEFAULT);
    System.out.println(exists);
  }

3、获取文档信息

//获取文档信息
  @Test
  void getDocument() throws IOException {
    GetRequest getRequest = new GetRequest("ppp", "1");
    GetResponse getResponse = restHighLevelClient.get(getRequest, RequestOptions.DEFAULT);
    System.out.println(getResponse.getSourceAsString());
    System.out.println(getResponse);
  }
==============输出==========================
{"age":22,"name":"psz"}
{"_index":"ppp","_type":"_doc","_id":"1","_version":2,"_seq_no":1,"_primary_term":1,"found":true,"_source":{"age":22,"name":"psz"}}

4、更新文档信息

//更新文档信息
  @Test
  void updateDocument() throws IOException {

    UpdateRequest updateRequest = new UpdateRequest("ppp","1");
    updateRequest.timeout("1s");

    //json格式传入对象
    User user=new User("新名字",21);
    updateRequest.doc(JSON.toJSONString(user),XContentType.JSON);
    //请求，得到响应
    UpdateResponse updateResponse = restHighLevelClient.update(updateRequest, RequestOptions.DEFAULT);
    System.out.println(updateResponse);
  }

5、删除文档信息

//删除文档信息
@Test
void deleteDocument() throws IOException {

   DeleteRequest deleteRequest = new DeleteRequest("ppp","1");
   deleteRequest.timeout("1s");
   DeleteResponse deleteResponse = restHighLevelClient.delete(deleteRequest, RequestOptions.DEFAULT);
   System.out.println(deleteResponse);
}

批量操作Bulk

• • 
    
• 真实项目中，肯定用到大批量查询
• 不写id会随机生成id
  • 
    

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ppmPZo0L-1610955877367)(C:\Users\王东梁\AppData\Roaming\Typora\typora-user-images\image-20210118104900129.png)]

@Test
  void testBulkRequest() throws IOException{
    BulkRequest bulkRequest = new BulkRequest();
    bulkRequest.timeout("10s");//数据量大的时候，秒数可以增加

    ArrayList<User> userList = new ArrayList<>();
    userList.add(new User("psz",11));
    userList.add(new User("psz2",12));
    userList.add(new User("psz3",13));
    userList.add(new User("psz4",14));
    userList.add(new User("psz5",15));

    for (int i = 0; i < userList.size(); i++) {
      bulkRequest.add(
          new IndexRequest("ppp")
          .id(""+(i+1))
          .source(JSON.toJSONString(userList.get(i)),XContentType.JSON));
    }
    //请求+获得响应
    BulkResponse bulkResponse = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);
    System.out.println(bulkResponse.hasFailures());//返回false：成功
  }

搜索

/*
    查询:
    搜索请求：SearchRequest
    条件构造：SearchSourceBuilder
   */
  @Test
  void testSearch() throws IOException {
    SearchRequest searchRequest = new SearchRequest("ppp");
    //构建搜索条件
    SearchSourceBuilder searchSourceBuilderBuilder = new SearchSourceBuilder();
    // 查询条件QueryBuilders工具
    // ：比如：精确查询
    TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", "psz");
    searchSourceBuilderBuilder.query(termQueryBuilder);
    //设置查询时间
    searchSourceBuilderBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));
    //设置高亮
    //searchSourceBuilderBuilder.highlighter()

    searchRequest.source(searchSourceBuilderBuilder);
    SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
    System.out.println(JSON.toJSONString(searchResponse.getHits()));
  }

项目搭建

1、启动ES，和head-master，用head-master建立索引

不建立也没事，添加数据的时候会自动创建

2、导入SpringBoot需要的依赖

注意：elasticsearch的版本要和自己本地的版本一致！所以还要在pom里面添加自定义版本

<!--解析网页需要的依赖Jsoup-->
<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.10.2</version>
</dependency>
<!--阿里的JSon转换依赖-->
<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>fastjson</artifactId>
    <version>1.2.73</version>
</dependency>
<!--ES启动依赖-->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>
<!--thymeleaf模板依赖-->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-thymeleaf</artifactId>
</dependency>
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>
<!--lombok依赖-->
<dependency>
    <groupId>org.projectlombok</groupId>
    <artifactId>lombok</artifactId>
    <optional>true</optional>
</dependency>

3、项目用到的静态资源（修改过的）

• • 
    
• 链接：https://pan.baidu.com/s/1X1kwMHsDvML-0rBEJnUOdA
• 提取码：qjqy
  • 
    

4、添加SpringBoot配置(application.yml)

#端口改为9090
server:
  port: 9090

# 关闭 thymeleaf 的缓存
spring:
  thymeleaf:
    cache: false

5、项目的整体结构

6、添加静态资源到项目中

7、SpringBoot中添加ES客户端配置类

ElasticSearchClientConfig.java

package com.wu.config;

@Configuration
public class ElasticSearchClientConfig {
    @Bean
    public RestHighLevelClient restHighLevelClient() {
        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("127.0.0.1", 9200, "http")));
        return client;
    }
}

Jsoup爬取京东数据

爬取数据

1、进入京东官网搜索java

2、按F12审查元素，找到书籍所在位置

3、在utils包下建立HtmlParseUtil.java爬取测试

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UiLd3GNL-1610955877368)(C:\Users\王东梁\AppData\Roaming\Typora\typora-user-images\image-20210118112732209.png)]

//测试数据
public static void main(String[] args) throws IOException, InterruptedException {
    //获取请求
    String url = "https://search.jd.com/Search?keyword=java";
    // 解析网页 （Jsou返回的Document就是浏览器的Docuement对象）
    Document document = Jsoup.parse(new URL(url), 30000);
    //获取id，所有在js里面使用的方法在这里都可以使用
    Element element = document.getElementById("J_goodsList");
    //获取所有的li元素
    Elements elements = element.getElementsByTag("li");
    //用来计数
    int c = 0;
    //获取元素中的内容  ，这里的el就是每一个li标签
    for (Element el : elements) {
        c++;
        //这里有一点要注意，直接attr使用src是爬不出来的，因为京东使用了img懒加载
        String img = el.getElementsByTag("img").eq(0).attr("data-lazy-img");
        //获取商品的价格，并且只获取第一个text文本内容
        String price = el.getElementsByClass("p-price").eq(0).text();
        String title = el.getElementsByClass("p-name").eq(0).text();
        String shopName = el.getElementsByClass("p-shop").eq(0).text();

        System.out.println("========================================");
        System.out.println(img);
        System.out.println(price);
        System.out.println(title);
        System.out.println(shopName);
    }
    System.out.println(c);
}

测试结果

获取结果没问题，下面就把它封装成一个工具类

4、建立一个pojo实体类

实体类Content.java

package com.wu.pojo;

@Data
@AllArgsConstructor
@NoArgsConstructor
public class Content {
    private String img;
    private String price;
    private String title;
    private String shopName;
    //可以自己扩展属性
}

工具类HtmlParseUtil.java

package com.wu.utils;

@Component
public class HtmlParseUtil {

    public List<Content> parseJD(String keyword) throws IOException {
        List<Content> list = new ArrayList<>();
        String url = "https://search.jd.com/Search?keyword=" + keyword;
        Document document = Jsoup.parse(new URL(url), 30000);
        Element element = document.getElementById("J_goodsList");
        Elements elements = element.getElementsByTag("li");
        for (Element el : elements) {
            String img = el.getElementsByTag("img").eq(0).attr("data-lazy-img");
            String price = el.getElementsByClass("p-price").eq(0).text();
            String title = el.getElementsByClass("p-name").eq(0).text();
            String shopName = el.getElementsByClass("p-shopnum").eq(0).text();
            list.add(new Content(img, price, title, shopName));
        }
        return list;
    }
}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-q05kRYi4-1610955877369)(C:\Users\王东梁\AppData\Roaming\Typora\typora-user-images\image-20210118115802010.png)]

5、业务层，这里就不写接口了

ContentService.java

先写一个方法让爬取的数据添加到ES中

package com.wu.service;

//业务编写
@Service
public class ContentService {

    //将客户端注入
    @Autowired
    @Qualifier("restHighLevelClient")
    private RestHighLevelClient client;

    //1、解析数据放到 es 中
    public boolean parseContent(String keyword) throws IOException {
        List<Content> contents = new HtmlParseUtil().parseJD(keyword);
        //把查询的数据放入 es 中
        BulkRequest request = new BulkRequest();
        request.timeout("2m");

        for (int i = 0; i < contents.size(); i++) {
            request.add(
                    new IndexRequest("jd_goods")
                            .source(JSON.toJSONString(contents.get(i)), XContentType.JSON));

        }
        BulkResponse bulk = client.bulk(request, RequestOptions.DEFAULT);
        return !bulk.hasFailures();
    }
}

6、在Controller包下建立

ContentController.java

package com.wu.controller;

//请求编写
@RestController
public class ContentController {

    @Autowired
    private ContentService contentService;

    @GetMapping("/parse/{keyword}")
    public Boolean parse(@PathVariable("keyword") String keyword) throws IOException {
        return contentService.parseContent(keyword);
    }
}

7、启动SpringBoot项目，访问它爬取数据添加到ES中

​​http://127.0.0.1:9090/parse/java​​

实现搜索功能

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-t3mspb23-1610955877370)(C:\Users\王东梁\AppData\Roaming\Typora\typora-user-images\image-20210118131856663.png)]

1、在ContentService.java添加

//2、获取这些数据实现基本的搜索功能
public List<Map<String, Object>> searchPage(String keyword, int pageNo, int pageSize) throws IOException {
    if (pageNo <= 1) {
        pageNo = 1;
    }
    if (pageSize <= 1) {
        pageSize = 1;
    }

    //条件搜索
    SearchRequest searchRequest = new SearchRequest("jd_goods");
    SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();

    //分页
    sourceBuilder.from(pageNo).size(pageSize);

    //精准匹配
    TermQueryBuilder termQuery = QueryBuilders.termQuery("title", keyword);

    sourceBuilder.query(termQuery);
    sourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));
    //执行搜索
    SearchRequest source = searchRequest.source(sourceBuilder);
    SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);
    //解析结果

    List<Map<String, Object>> list = new ArrayList<>();
    for (SearchHit documentFields : searchResponse.getHits().getHits()) {
        list.add(documentFields.getSourceAsMap());
    }
    return list;
}

2、在ContentController添加搜索请求

@GetMapping("/search/{keyword}/{pageNo}/{pageSize}")
public List<Map<String, Object>> search(@PathVariable("keyword") String keyword,
                                        @PathVariable("pageNo") int pageNo,
                                        @PathVariable("pageSize") int pageSize) throws IOException {
    List<Map<String, Object>> list = contentService.searchPage(keyword, pageNo, pageSize);
    return list;
}

3、访问http://127.0.0.1:9090/search/java/1/10

欧克，爬取和搜索都没问题，下面要做的就是和前端交互了

和前端交互

1、前端接收数据

index.html

1、用vue接收数据

<script>
    new Vue({
        el: '#app',
        data: {
            keyword: '',  //搜索的关键字
            results: []  //搜索的结果
        },
        methods: {
            searchKey() {
                var keyword = this.keyword
                axios.get('search/' + keyword + '/1/210').then(response => {
                    this.results = response.data;//绑定数据！
                })
            }
        }
    })
</script>

2、用vue给前端传递数据

2、访问 127.0.0.1:9090 并且搜索java

欧克，完美

实现关键字高亮

1、改​​ContentService.java​​里面的搜索功能就行

//3、获取这些数据实现基本的搜索高亮功能
public List<Map<String, Object>> searchPagehighlighter(String keyword, int pageNo, int pageSize) throws IOException {
    if (pageNo <= 1) {
        pageNo = 1;
    }
    if (pageSize <= 1) {
        pageSize = 1;
    }

    //条件搜索
    SearchRequest searchRequest = new SearchRequest("jd_goods");
    SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();

    //分页
    sourceBuilder.from(pageNo).size(pageSize);

    //精准匹配
    TermQueryBuilder termQuery = QueryBuilders.termQuery("title", keyword);

    //====================================   高   亮   ==========================================
    HighlightBuilder highlightBuilder = new HighlightBuilder(); //获取高亮构造器
    highlightBuilder.field("title"); //需要高亮的字段
    highlightBuilder.requireFieldMatch(false);//不需要多个字段高亮
    highlightBuilder.preTags("<span style='color:red'>"); //前缀
    highlightBuilder.postTags("</span>"); //后缀
    sourceBuilder.highlighter(highlightBuilder); //把高亮构造器放入sourceBuilder中
    sourceBuilder.query(termQuery);
    sourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));
    //执行搜索
    SearchRequest source = searchRequest.source(sourceBuilder);
    SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);

    //解析结果
    List<Map<String, Object>> list = new ArrayList<>();
    for (SearchHit hit : searchResponse.getHits().getHits()) {

        Map<String, HighlightField> highlightFields = hit.getHighlightFields();//获取高亮字段
        HighlightField title = highlightFields.get("title"); //得到我们需要高亮的字段
        Map<String, Object> sourceAsMap = hit.getSourceAsMap();//原来的返回的结果

        //解析高亮的字段
        if (title != null) {
            Text[] fragments = title.fragments();
            String new_title = "";
            for (Text text : fragments) {
                new_title += text;
            }
            sourceAsMap.put("title", new_title);  //高亮字段替换掉原来的内容即可
        }
        list.add(sourceAsMap);
    }
    return list;
}

2、改变Controller里面的搜索请求

@GetMapping("/search/{keyword}/{pageNo}/{pageSize}")
public List<Map<String, Object>> search(@PathVariable("keyword") String keyword,
                                        @PathVariable("pageNo") int pageNo,
                                        @PathVariable("pageSize") int pageSize) throws IOException {
    List<Map<String, Object>> list = contentService.searchPagehighlighter(keyword, pageNo, pageSize);
    return list;
}

3、发现问题

需要高亮的字段前缀和后缀都有了，但是这不是我们想要的结果

4、解决问题

这里Vue给了我们很方便的解决办法

5、完美