springboot中集成ES如何實(shí)現(xiàn)磁盤文件全文檢索功能-創(chuàng)新互聯(lián)
這篇文章給大家分享的是有關(guān)springboot中集成ES如何實(shí)現(xiàn)磁盤文件全文檢索功能的內(nèi)容。小編覺得挺實(shí)用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。
整體架構(gòu)
考慮到磁盤文件分布到不同的設(shè)備上，所以采用磁盤掃瞄代理的模式構(gòu)建系統(tǒng)，即把掃描服務(wù)以代理的方式部署到目標(biāo)磁盤所在的服務(wù)器上，作為定時任務(wù)執(zhí)行，索引統(tǒng)一建立到ES中，當(dāng)然ES采用分布式高可用部署方法，搜索服務(wù)和掃描代理部署到一起來簡化架構(gòu)并實(shí)現(xiàn)分布式能力。
磁盤文件快速檢索架構(gòu)
部署ES
ES（elasticsearch）是本項(xiàng)目唯一依賴的第三方軟件，ES支持docker方式部署，以下是部署過程
docker pull docker.elastic.co/elasticsearch/elasticsearch:6.3.2 docker run -e ES_JAVA_OPTS="-Xms256m -Xmx256m" -d -p 9200:9200 -p 9300:9300 --name es01 docker.elastic.co/elasticsearch/elasticsearch:6.3.2
部署完成后，通過瀏覽器打開http://localhost:9200，如果正常打開，出現(xiàn)如下界面，則說明ES部署成功。
ES界面
工程結(jié)構(gòu)
工程結(jié)構(gòu)
依賴包
本項(xiàng)目除了引入springboot的基礎(chǔ)starter外，還需要引入ES相關(guān)包
<dependencies> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-elasticsearch</artifactId> </dependency> <dependency> <groupId>io.searchbox</groupId> <artifactId>jest</artifactId> <version>5.3.3</version> </dependency> <dependency> <groupId>net.sf.jmimemagic</groupId> <artifactId>jmimemagic</artifactId> <version>0.1.4</version> </dependency> </dependencies>
配置文件
需要將ES的訪問地址配置到application.yml里邊，同時為了簡化程序，需要將待掃描磁盤的根目錄（index-root）配置進(jìn)去，后面的掃描任務(wù)就會遞歸遍歷該目錄下的全部可索引文件。
server: port: @elasticsearch.port@ spring: application: name: @project.artifactId@ profiles: active: dev elasticsearch: jest: uris: http://127.0.0.1:9200 index-root: /Users/crazyicelee/mywokerspace
索引結(jié)構(gòu)數(shù)據(jù)定義
因?yàn)橐笪募谀夸洝⑽募?、文件正文都有能夠檢索，所以要將這些內(nèi)容都作為索引字段定義，而且添加ES client要求的JestId來注解id。
package com.crazyice.lee.accumulation.search.data;
import io.searchbox.annotations.JestId;
import lombok.Data;
@Data
public class Article {
@JestId
private Integer id;
private String author;
private String title;
private String path;
private String content;
private String fileFingerprint;
}掃描磁盤并創(chuàng)建索引
因?yàn)橐獟呙柚付夸浵碌娜课募?，所以采用遞歸的方法遍歷該目錄，并標(biāo)識已經(jīng)處理的文件以提升效率，在文件類型識別方面采用兩種方式可供選擇，一個是文件內(nèi)容更為精準(zhǔn)判斷（Magic），一種是以文件擴(kuò)展名粗略判斷。這部分是整個系統(tǒng)的核心組件。
這里有個小技巧
對目標(biāo)文件內(nèi)容計(jì)算MD5值并作為文件指紋存儲到ES的索引字段里邊，每次在重建索引的時候判斷該MD5是否存在，如果存在就不用重復(fù)建立索引了，可以避免文件索引重復(fù)，也能避免系統(tǒng)重啟后重復(fù)遍歷文件。
package com.crazyice.lee.accumulation.search.service;
import com.alibaba.fastjson.JSONObject;
import com.crazyice.lee.accumulation.search.data.Article;
import com.crazyice.lee.accumulation.search.utils.Md5CaculateUtil;
import io.searchbox.client.JestClient;
import io.searchbox.core.Index;
import io.searchbox.core.Search;
import io.searchbox.core.SearchResult;
import lombok.extern.slf4j.Slf4j;
import net.sf.jmimemagic.*;
import org.apache.poi.hwpf.extractor.WordExtractor;
import org.apache.poi.xwpf.extractor.XWPFWordExtractor;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.builder.SearchSourceBuilder;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
@Component
@Slf4j
public class DirectoryRecurse {
@Autowired
private JestClient jestClient;
//讀取文件內(nèi)容轉(zhuǎn)換為字符串
private String readToString(File file, String fileType) {
StringBuffer result = new StringBuffer();
switch (fileType) {
case "text/plain":
case "java":
case "c":
case "cpp":
case "txt":
try (FileInputStream in = new FileInputStream(file)) {
Long filelength = file.length();
byte[] filecontent = new byte[filelength.intValue()];
in.read(filecontent);
result.append(new String(filecontent, "utf8"));
} catch (FileNotFoundException e) {
log.error("{}", e.getLocalizedMessage());
} catch (IOException e) {
log.error("{}", e.getLocalizedMessage());
}
break;
case "doc":
//使用HWPF組件中WordExtractor類從Word文檔中提取文本或段落
try (FileInputStream in = new FileInputStream(file)) {
WordExtractor extractor = new WordExtractor(in);
result.append(extractor.getText());
} catch (Exception e) {
log.error("{}", e.getLocalizedMessage());
}
break;
case "docx":
try (FileInputStream in = new FileInputStream(file); XWPFDocument doc = new XWPFDocument(in)) {
XWPFWordExtractor extractor = new XWPFWordExtractor(doc);
result.append(extractor.getText());
} catch (Exception e) {
log.error("{}", e.getLocalizedMessage());
}
break;
}
return result.toString();
}
//判斷是否已經(jīng)索引
private JSONObject isIndex(File file) {
JSONObject result = new JSONObject();
//用MD5生成文件指紋,搜索該指紋是否已經(jīng)索引
String fileFingerprint = Md5CaculateUtil.getMD5(file);
result.put("fileFingerprint", fileFingerprint);
SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
searchSourceBuilder.query(QueryBuilders.termQuery("fileFingerprint", fileFingerprint));
Search search = new Search.Builder(searchSourceBuilder.toString()).addIndex("diskfile").addType("files").build();
try {
//執(zhí)行
SearchResult searchResult = jestClient.execute(search);
if (searchResult.getTotal() > 0) {
result.put("isIndex", true);
} else {
result.put("isIndex", false);
}
} catch (IOException e) {
log.error("{}", e.getLocalizedMessage());
}
return result;
}
//對文件目錄及內(nèi)容創(chuàng)建索引
private void createIndex(File file, String method) {
//忽略掉臨時文件，以~$起始的文件名
if (file.getName().startsWith("~$")) return;
String fileType = null;
switch (method) {
case "magic":
Magic parser = new Magic();
try {
MagicMatch match = parser.getMagicMatch(file, false);
fileType = match.getMimeType();
} catch (MagicParseException e) {
//log.error("{}",e.getLocalizedMessage());
} catch (MagicMatchNotFoundException e) {
//log.error("{}",e.getLocalizedMessage());
} catch (MagicException e) {
//log.error("{}",e.getLocalizedMessage());
}
break;
case "ext":
String filename = file.getName();
String[] strArray = filename.split("\\.");
int suffixIndex = strArray.length - 1;
fileType = strArray[suffixIndex];
}
switch (fileType) {
case "text/plain":
case "java":
case "c":
case "cpp":
case "txt":
case "doc":
case "docx":
JSONObject isIndexResult = isIndex(file);
log.info("文件名：{}，文件類型：{}，MD5：{}，建立索引：{}", file.getPath(), fileType, isIndexResult.getString("fileFingerprint"), isIndexResult.getBoolean("isIndex"));
if (isIndexResult.getBoolean("isIndex")) break;
//1. 給ES中索引(保存)一個文檔
Article article = new Article();
article.setTitle(file.getName());
article.setAuthor(file.getParent());
article.setPath(file.getPath());
article.setContent(readToString(file, fileType));
article.setFileFingerprint(isIndexResult.getString("fileFingerprint"));
//2. 構(gòu)建一個索引
Index index = new Index.Builder(article).index("diskfile").type("files").build();
try {
//3. 執(zhí)行
if (!jestClient.execute(index).getId().isEmpty()) {
log.info("構(gòu)建索引成功！");
}
} catch (IOException e) {
log.error("{}", e.getLocalizedMessage());
}
break;
}
}
public void find(String pathName) throws IOException {
//獲取pathName的File對象
File dirFile = new File(pathName);
//判斷該文件或目錄是否存在，不存在時在控制臺輸出提醒
if (!dirFile.exists()) {
log.info("do not exit");
return;
}
//判斷如果不是一個目錄，就判斷是不是一個文件，時文件則輸出文件路徑
if (!dirFile.isDirectory()) {
if (dirFile.isFile()) {
createIndex(dirFile, "ext");
}
return;
}
//獲取此目錄下的所有文件名與目錄名
String[] fileList = dirFile.list();
for (int i = 0; i < fileList.length; i++) {
//遍歷文件目錄
String string = fileList[i];
File file = new File(dirFile.getPath(), string);
//如果是一個目錄，輸出目錄名后，進(jìn)行遞歸
if (file.isDirectory()) {
//遞歸
find(file.getCanonicalPath());
} else {
createIndex(file, "ext");
}
}
}
}掃描任務(wù)
這里采用定時任務(wù)的方式來掃描指定目錄以實(shí)現(xiàn)動態(tài)增量創(chuàng)建索引。
package com.crazyice.lee.accumulation.search.service;
import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Configuration;
import org.springframework.scheduling.annotation.Scheduled;
import org.springframework.stereotype.Component;
import java.io.IOException;
@Configuration
@Component
@Slf4j
public class CreateIndexTask {
@Autowired
private DirectoryRecurse directoryRecurse;
@Value("${index-root}")
private String indexRoot;
@Scheduled(cron = "* 0/5 * * * ?")
private void addIndex(){
try {
directoryRecurse.find(indexRoot);
directoryRecurse.writeIndexStatus();
} catch (IOException e) {
log.error("{}",e.getLocalizedMessage());
}
}
}搜索服務(wù)
這里以restFul的方式提供搜索服務(wù)，將關(guān)鍵字以高亮度模式提供給前端UI，瀏覽器端可以根據(jù)返回的JSON進(jìn)行展示。
package com.crazyice.lee.accumulation.search.web;
import com.alibaba.fastjson.JSONObject;
import com.crazyice.lee.accumulation.search.data.Article;
import io.searchbox.client.JestClient;
import io.searchbox.core.Search;
import io.searchbox.core.SearchResult;
import io.swagger.annotations.ApiImplicitParam;
import io.swagger.annotations.ApiImplicitParams;
import io.swagger.annotations.ApiOperation;
import lombok.extern.slf4j.Slf4j;
import org.elasticsearch.index.query.BoolQueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.builder.SearchSourceBuilder;
import org.elasticsearch.search.fetch.subphase.highlight.HighlightBuilder;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.lang.NonNull;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestMethod;
import org.springframework.web.bind.annotation.RestController;
import java.io.IOException;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
@RestController
@Slf4j
public class Controller {
@Autowired
private JestClient jestClient;
@RequestMapping(value = "/search/{keyword}",method = RequestMethod.GET)
@ApiOperation(value = "全部字段搜索關(guān)鍵字",notes = "es驗(yàn)證")
@ApiImplicitParams(
@ApiImplicitParam(name = "keyword",value = "全文檢索關(guān)鍵字",required = true,paramType = "path",dataType = "String")
)
public List search(@PathVariable String keyword){
SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
searchSourceBuilder.query(QueryBuilders.queryStringQuery(keyword));
HighlightBuilder highlightBuilder = new HighlightBuilder();
//path屬性高亮度
HighlightBuilder.Field highlightPath = new HighlightBuilder.Field("path");
highlightPath.highlighterType("unified");
highlightBuilder.field(highlightPath);
//title字段高亮度
HighlightBuilder.Field highlightTitle = new HighlightBuilder.Field("title");
highlightTitle.highlighterType("unified");
highlightBuilder.field(highlightTitle);
//content字段高亮度
HighlightBuilder.Field highlightContent = new HighlightBuilder.Field("content");
highlightContent.highlighterType("unified");
highlightBuilder.field(highlightContent);
//高亮度配置生效
searchSourceBuilder.highlighter(highlightBuilder);
log.info("搜索條件{}",searchSourceBuilder.toString());
//構(gòu)建搜索功能
Search search = new Search.Builder(searchSourceBuilder.toString()).addIndex( "gf" ).addType( "news" ).build();
try {
//執(zhí)行
SearchResult result = jestClient.execute( search );
return result.getHits(Article.class);
} catch (IOException e) {
log.error("{}",e.getLocalizedMessage());
}
return null;
}
}搜索restFul結(jié)果測試
這里以swagger的方式進(jìn)行API測試。其中keyword是全文檢索中要搜索的關(guān)鍵字。
搜索結(jié)果
使用thymeleaf生成UI
集成thymeleaf的模板引擎直接將搜索結(jié)果以web方式呈現(xiàn)。模板包括主搜索頁和搜索結(jié)果頁，通過@Controller注解及Model對象實(shí)現(xiàn)。
<body>
<div class="container">
<div class="header">
<form action="./search" class="parent">
<input type="keyword" name="keyword" th:value="${keyword}">
<input type="submit" value="搜索">
</form>
</div>
<div class="content" th:each="article,memberStat:${articles}">
<div class="c_left">
<p class="con-title" th:text="${article.title}"/>
<p class="con-path" th:text="${article.path}"/>
<p class="con-preview" th:utext="${article.highlightContent}"/>
<a class="con-more">更多</a>
</div>
<div class="c_right">
<p class="con-all" th:utext="${article.content}"/>
</div>
</div>
<script language="JavaScript">
document.querySelectorAll('.con-more').forEach(item => {
item.onclick = () => {
item.style.cssText = 'display: none';
item.parentNode.querySelector('.con-preview').style.cssText = 'max-height: none;';
}});
</script>
</div>感謝各位的閱讀！關(guān)于“springboot中集成ES如何實(shí)現(xiàn)磁盤文件全文檢索功能”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，讓大家可以學(xué)到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！
另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)建站muchs.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點(diǎn)與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。
本文標(biāo)題：springboot中集成ES如何實(shí)現(xiàn)磁盤文件全文檢索功能-創(chuàng)新互聯(lián)
標(biāo)題路徑：http://muchs.cn/article32/icdpc.html
成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供建站公司、手機(jī)網(wǎng)站建設(shè)、關(guān)鍵詞優(yōu)化、域名注冊、響應(yīng)式網(wǎng)站、品牌網(wǎng)站設(shè)計(jì)
聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)
- 物理服務(wù)器、云服務(wù)器、虛擬主機(jī)的區(qū)別是什么 2015-01-08
- 網(wǎng)站建設(shè)完成之后如何選擇虛擬主機(jī) 2016-10-19
- 獨(dú)立IP虛擬主機(jī)有哪些優(yōu)勢和劣勢？ 2021-02-05
- 香港虛擬主機(jī)和香港服務(wù)器有什么區(qū)別 2022-10-02
- 云虛擬主機(jī)網(wǎng)絡(luò)服務(wù)器網(wǎng)絡(luò)空間的時代化實(shí)際意義 2016-11-14
- 虛擬主機(jī)和云服務(wù)器哪個更易于網(wǎng)站SEO優(yōu)化？ 2014-01-11
- 網(wǎng)站虛擬主機(jī)的好處 2019-01-11
- 買虛擬主機(jī)可以建站嗎？如何選擇虛擬主機(jī)建站？ 2021-01-31
- 為什么有些獨(dú)立IP的云主機(jī)會比共享虛擬主機(jī)的速度慢？ 2021-02-14
- 網(wǎng)站建設(shè)之虛擬主機(jī) 2021-05-30
- 云主機(jī)和虛擬主機(jī)哪個更好 2022-10-03
- 香港虛擬主機(jī)租用注意的問題有哪些 2016-10-13