ElasticSearch
简介
Elasticsearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎,基于RESTful web接口。Elasticsearch是用Java语言开发的,并作为Apache许可条款下的开放源码发布,是一种流行的企业级搜索引擎。
Elasticsearch 是一个分布式、高扩展、高实时的搜索与数据分析引擎。它能很方便的使大量数据具有搜索、分析和探索的能力。充分利用Elasticsearch的水平伸缩性,能使数据在生产环境变得更有价值。Elasticsearch 的实现原理主要分为以下几个步骤,首先用户将数据提交到Elasticsearch 数据库中,再通过分词控制器去将对应的语句分词,将其权重和分词结果一并存入数据,当用户搜索数据时候,再根据权重将结果排名,打分,再将返回结果呈现给用户。
Elasticsearch是与名为Logstash的数据收集和日志解析引擎以及名为Kibana的分析和可视化平台一起开发的。这三个产品被设计成一个集成解决方案,称为“Elastic Stack”(以前称为“ELK stack”)。
ElasticSearch和solr的区别
它们都是基于Lucene搜索服务器基础之上开发的,一款优秀的,高性能的企业级搜索服务器【他们都是基于分词技术构建倒排索引的方式进行查询】
区别:
- 当实时建立索引的时候,solr会产生IO阻塞,而es则不会,所以,es查询性能要高于solr
- 在不断动态添加数据的时候,solr的检索效率会变的底下,而es则没有什么变化
- solr利用zookeeper进行分布式管理,而es自身带有分布式系统管理功能。solr一般部署到web服务器上,比如tomcat,【solr的本质是一个动态web项目】
- solr支持更多的格式数据【xml、json、csv】,而es仅支持json文件格式
- solr是传统搜索应用的有力解决方案,但是es更适合用于新兴的实时搜索应用
- 单纯对已有数据进行检索的时候,solr效率高,但实时搜索的时候es效率高
- solr官网提供的功能更多,而es本身更注重于核心功能,高级功能有多个第三方插件
ElasticSearch安装
jdk8是最低要求!
Java开发,ElasticSearch 的版本和我们之后对应的 Java 核心jar包,版本对应!
了解目录
bin 启动目录
config 配置目录
log4j2 日志配置文件
jvm.options Java 虚拟机的相关配置
elasticsearch.yml elasticsearch的配置文件!默认端口9200
lib 相关jar包
logs 日志
modules 功能提供
plugins 插件
启动:双击bin下elasticsearch.bat
安装可视化界面
地址:https://github.com/mobz/elasticsearch-head
cmd进入解压后的目录,执行 cnpm install,安装依赖,再输入npm run start启动。
连接测试发现存在跨域问题:配置elasticsearch.yml
http.cors.enabled: true
http.cors.allow-origin: "*"
重启es服务,再次连接
初学:可把es当作一个数据库(可以建立索引(库),文档(库中的数据))
这个 head 我们就把它当作数据展示工具,后面的所有查询,用 Kibana。
了解ELK:
ELK是三个开源软件的缩写,分别表示:Elasticsearch , Logstash, Kibana , 它们都是开源软件。新增了一个FileBeat,它是一个轻量级的日志收集处理工具(Agent),Filebeat占用资源少,适合于在各个服务器上搜集日志后传输给Logstash,官方也推荐此工具。
Elasticsearch是个开源分布式搜索引擎,提供搜集、分析、存储数据三大功能。它的特点有:分布式,零配置,自动发现,索引自动分片,索引副本机制,restful风格接口,多数据源,自动搜索负载等。
Logstash 主要是用来日志的搜集、分析、过滤日志的工具,支持大量的数据获取方式。一般工作方式为c/s架构,client端安装在需要收集日志的主机上,server端负责将收到的各节点日志进行过滤、修改等操作在一并发往elasticsearch上去。
Kibana 也是一个开源和免费的工具,Kibana可以为 Logstash 和 ElasticSearch 提供的日志分析友好的 Web 界面,可以帮助汇总、分析和搜索重要数据日志。
安装Kibana
Kibana是一个针对ElasticSearch的开源分析及可视化平台,用来搜索,查看交互存储在ElasticSearch索引中的数据,使用Kibana,可以通过各种图表进行高级数据分析及展示,Kibana让海量数据更容易展示, 它操作简单,基于浏览器的用户界面可以快速创建仪表板,实时显示ElasticSearch查询动态,设置Kibana非常简单,无需编码或额外的基础架构,几分钟可完成Kibana安装并启动ElasticSearch索引监控。
下载地址:https://www.elastic.co/cn/downloads/kibana
汉化:向config下的 kibana.yml 中添加 i18n.locale: "zh-CN",(汉化包在x-pack下面)。
ES核心概念
elasticsearch是面向文档的,关系数据库和 elasticsearch 对比:
Relational DB | ElasticSearch |
---|---|
数据库(database) | 索引(index) |
表(table) | types(慢慢被弃用) |
行(row) | documents |
字段(columns) | fileds |
elasticsearch(集群)中可以包含多个索引(数据库),每个索引中可以包含多个类型(表),每个类型下可以包含多个文档(行),每个文档下又包含多个字段(列)。
物理设计:elasticsearch在后台把每个索引划分成多个分片,每个分片可以在集群中的不同服务器之间迁移。
文档:
elasticsearch是面向文档的,那么就意味着索引和搜索数据的最小单位是文档,elasticsearch中,文档有几个重要属性:
- 自我包含,一篇文档同时包含字段和对应的值, 也就是同时包含 key,value。
- 可以是层次型的,一个文档中包含文档,复杂的逻辑实现就是这么来的。
- 灵活的结构,文档不依赖预先定义的模式,关系型数据库中,要提前定义字段才能使用,在elasticsearch中,对于字段是非常灵活的,有时候,我们可以忽略该字段,或者动态的新增一个字段。
尽管我们可以随意的新增或忽略某个字段,但是,每个字段的类型非常重要,比如一个年龄字段类型,可以是字符串,也可以是整型,因为elasticsearch会保存字段和类型之间的映射,这种映射具体到每个映射的每种类型,这也是为什么在elasticsearch中,类型有时候称为映射类型。
类型:
类型是文档的逻辑容器,就像关系型数据库一样,表是行的容器,类型中对于字段的定义称为映射,比如name映射为字符串类型。我们说文档是无模式的,它不需要拥有映射中定义的所有字段,比如新增一个字段,那么elasticsearch是怎么做到的?elasticsearch会自动将字段加入映射,但是这个字段不确定它是什么类型,elasticsearch就会开始猜测,如果这个值是18,那么elasticsearch就会认为它是整型,但是elasticsearch也可能会猜不对,所以最安全的方式就是提前定义好需要的映射,这就和关系数据库殊途同归了,先定义好字段再使用。
索引:
索引是映射类型的容器,elasticsearch中的索引是一个非常大的文档集合,索引存储了映射类型的字段和其它设置,然后它们被存储到各个分片上了。
elasticsearch采用了倒排索引的结构,采用lucene索引作为底层,这种结构适用于快速的全文检索。
在elasticsearch中,索引这个词被频繁使用,这是术语。在elasticsearch中,索引被分为多个分片,每份分片是一个Lucene的索引,所以一个elasticsearch索引是由多个Lucene索引组成的。
IK分词器插件
分词:把一段文字划分成一个个的关键字,我们在搜索时会把自己的信息进行分词,把数据库或者索引库中的数据进行分词,然后进行一个匹配操作,默认的中文分词是将每个字看成一个词。
如果是中文,建议使用IK分词器。
IK提供了两个分词算法:ik_smart 和 ik_max_word,其中 ik_smart为最少切分,ik_max_word为最细粒度划分。
下载安装:https://github.com/medcl/elasticsearch-analysis-ik,下载完毕后解压放到 elasticsearch 插件中即可(新建ik目录)。
cmd进入bin目录下,输入elasticsearch-plugin list 查看插件
使用kibana测试,使用不用的分词器的效果:
ik_smart最少切分
ik_max_word,穷尽词库的可能。
自己添加字典,在ik的config中的IKAnalyzer.cfg.xml添加zr.dic。
测试未配置自己的分词器前:
配置自己的分词器后:(重启es)
以后需要自己配置分词,就这样在自己的dic文件中配置即可。
Rest风格说明
一种软件架构风格,而不是标准,只是提供了一组设计原则和约束条件,它主要用于客户端和服务端交互类的软件,基于这个风格设计的软件可以更加简洁,更有层次,更易于实现缓存等机制。
基本Rest命令说明:
method | url地址 | 描述 |
---|---|---|
put | localhost:9200/索引名称/类型名称/文档id | 创建文档(指定文档id) |
post | localhost:9200/索引名称/类型名称 | 创建文档(指定文档id) |
post | localhost:9200/索引名称/类型名称/文档id/_update | 修改文档 |
delete | localhost:9200/索引名称/类型名称/文档id | 删除文档 |
get | localhost:9200/索引名称/类型名称/文档id | 查询文档通过文档id |
post | localhost:9200/索引名称/类型名称/_search | 查询所有数据 |
索引的基本操作
测试:
创建一个索引,
put /索引名/类型名/文档id
{请求体}
执行后自动增加索引,数据也自动添加了。
数据类型:
-
字符串类型
text,keyword
-
数值类型
long,integer,short,byte,double,float,half float,scaled float
-
日期类型
date
-
布尔值类型
boolean
-
二进制类型
binary
-
.......
指定字段的类型:创建规则
通过get请求,查看具体的规则信息
查看默认的信息
查看
如果自己的文档没有指定,es就会给我们默认配置字段类型。
拓展:通过 get _cat/*** 可以获得es的很多信息。
修改,可使用put提交覆盖。
使用post方式进行修改
删除索引
通过delete命令实现删除,根据请求判断是删除索引还是删除文档记录。
文档的基本操作
基本操作
添加数据:
PUT /zr/user/1
{
"name": "周周",
"age": "18",
"desc": "好好学习",
"tags": ["java","直男"]
}
查看
获取数据
更新数据 PUT
更新数据 POST _update (推荐使用这种方式修改)
简单的搜索
GET zr/user/1
简单的条件查询,可根据默认的映射规则,产生基本的查询。
复杂操作(排序,分页,高亮,模糊查询,精准查询)
显示想看见的
后面用Java操作es,所有的方法和对象就是这里面的key。
排序
GET zr/user/_search
{
"query": {
"match": {
"name": "周"
}
},
"sort": [
{
"age": {
"order": "asc"
}
}
]
}
分页 form:开始位置,size:返回数据大小
布尔值查询,must:所有的条件都符合
should
must_not
gt:大于,gte:大于等于。lt:小于,lte:小于等于
匹配多个条件
精确查询
term查询是直接通过倒排索引指定的词条进行精确查找的。
关于分词:
term:直接查询精确的
match:会使用分析器解析(先分析文档再查询)
两个类型:
拆分
多个值匹配的精确查询
高亮查询
集成SpringBoot
官方文档:https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/java-rest-high.html
找到原生依赖:
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>elasticsearch-rest-high-level-client</artifactId>
<version>7.11.1</version>
</dependency>
初始化:
分析这个类中的方法即可!
配置基本的项目
保证版本一致
获取对象
package com.zr.zresapi.config;
//找对象
//放到spring中待用
@Configuration
public class ElasticSearchClientConfig {
@Bean
public RestHighLevelClient restHighLevelClient(){
RestHighLevelClient client = new RestHighLevelClient(
RestClient.builder(
new HttpHost("127.0.0.1", 9200, "http")));
return client;
}
}
实体类
package com.zr.zresapi.pojo;
@Data
@AllArgsConstructor
@NoArgsConstructor
@Component
public class User {
private String name;
private int age;
}
具体的api测试
1.创建索引
2.判断索引是否存在
3.删除索引
4.创建文档
5.crud文档
package com.zr.zresapi;
@SpringBootTest
class ZrEsApiApplicationTests {
//面向对象来操作
@Autowired
@Qualifier("restHighLevelClient")
private RestHighLevelClient client;
//测试索引的创建 Request
@Test
void testCreateIndex() throws IOException {
//创建索引请求
CreateIndexRequest request = new CreateIndexRequest("zhour_index");
//客户端执行创建请求 indicesClient,请求后获得响应
CreateIndexResponse createIndexResponse =
client.indices().create(request, RequestOptions.DEFAULT);
System.out.println(createIndexResponse);
}
//测试获取索引,是否存在
@Test
void testExitsIndex() throws IOException {
GetIndexRequest request = new GetIndexRequest("zhour_index");
boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);
System.out.println(exists);
}
//测试删除索引
@Test
void testDeleteIndex() throws IOException {
DeleteIndexRequest request = new DeleteIndexRequest("zhour_index");
AcknowledgedResponse delete = client.indices().delete(request, RequestOptions.DEFAULT);
System.out.println(delete.isAcknowledged());
}
//测试添加文档
@Test
void testAddDocument() throws IOException {
//创建对象
User user = new User("周周",18);
//创建请求
IndexRequest request = new IndexRequest("zhour_index");
//规则 put /zhour_index/_doc/1
request.id("1");
request.timeout(TimeValue.timeValueSeconds(1));
request.timeout("1s");
//将数据放入请求 json
request.source(JSON.toJSONString(user), XContentType.JSON);
//客户端发送请求,获取响应回来的结果
IndexResponse index = client.index(request, RequestOptions.DEFAULT);
System.out.println(index.toString());
System.out.println(index.status()); //对应命令返回的状态
}
//获取文档 判断是否存在
@Test
void testIsExists() throws IOException {
GetRequest request = new GetRequest("zhour_index", "1");
//不获取返回的 _source 的上下文了
request.fetchSourceContext(new FetchSourceContext(false));
request.storedFields("_none");
boolean exists = client.exists(request, RequestOptions.DEFAULT);
System.out.println(exists); //返回全部的内容
}
//获取文档的信息
@Test
void testGetDocument() throws IOException {
GetRequest request = new GetRequest("zhour_index", "1");
GetResponse response = client.get(request, RequestOptions.DEFAULT);
System.out.println(response.getSourceAsString()); //打印文档的内容
System.out.println(response);
}
//更新文档的信息
@Test
void testUpdateDocument() throws IOException {
UpdateRequest request = new UpdateRequest("zhour_index", "1");
request.timeout("1s");
User user = new User("周周8888", 20);
request.doc(JSON.toJSONString(user),XContentType.JSON);
UpdateResponse update = client.update(request, RequestOptions.DEFAULT);
System.out.println(update.status());
System.out.println(update.toString());
}
//删除文档
@Test
void testDeleteDocument() throws IOException {
DeleteRequest request = new DeleteRequest("zhour_index", "1");
request.timeout("1s");
DeleteResponse delete = client.delete(request, RequestOptions.DEFAULT);
System.out.println(delete.status());
}
//批量插入数据
@Test
void testBulkRequest() throws IOException {
BulkRequest bulkRequest = new BulkRequest();
bulkRequest.timeout("6s");
ArrayList<User> userList = new ArrayList<>();
userList.add(new User("周周1",8));
userList.add(new User("周周2",15));
userList.add(new User("周周3",18));
userList.add(new User("周周4",22));
//批处理请求
for (int i = 0; i < userList.size(); i++) {
bulkRequest.add(
new IndexRequest("zhour_index")
.id(""+(i+1)) //不设置是默认的随机id
.source(JSON.toJSONString(userList.get(i)),XContentType.JSON)
);
}
BulkResponse bulk = client.bulk(bulkRequest, RequestOptions.DEFAULT);
System.out.println(bulk.status());
System.out.println(bulk.hasFailures()); //是否失败,false代表成功
}
//查询
//searchRequest 搜索请求
//SearchSourceBuilder 条件构造
//HightLightBuilder 构造高亮
//TermQueryBuilder 精确查询
//*** QueryBuilder 对应其它命令
@Test
void testSearch() throws IOException {
SearchRequest searchRequest = new SearchRequest("zhour_index");
//构建搜索的条件
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
//查询条件 使用QueryBuilders 工具类来实现
//精确查询
TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", "周");
//查询全部
//MatchAllQueryBuilder matchAllQueryBuilder = QueryBuilders.matchAllQuery();
sourceBuilder.query(termQueryBuilder);
//分页
//sourceBuilder.from();
//sourceBuilder.size();
sourceBuilder.timeout(new TimeValue(10, TimeUnit.SECONDS));
searchRequest.source(sourceBuilder);
SearchResponse search = client.search(searchRequest, RequestOptions.DEFAULT);
System.out.println(JSON.toJSONString(search.getHits()));
System.out.println("====================");
for (SearchHit hit : search.getHits().getHits()) {
System.out.println(hit.getSourceAsMap());
}
}
}
实战
爬虫,前后端分离,搜索高亮
爬取数据:获取请求返回的页面信息,筛选出我们需要的数据。
引入jsoup包。
在elasticsearch中创建索引,jd_goods。
项目结构目录
application.properties
server.port=8080
#关闭thymeleaf的缓存
spring.thymeleaf.cache=false
实体类
package com.zr.pojo;
@Data
@AllArgsConstructor
@NoArgsConstructor
public class Content {
private String name;
private String img;
private String price;
}
工具类,可直接运行main函数,查看爬取的 img 地址,价格,名称。
package com.zr.utils;
@Component
public class HtmlParseUtil {
public static void main(String[] args) throws IOException {
new HtmlParseUtil().parseJD("java").forEach(System.out::println);
}
public List<Content> parseJD(String keywords) throws IOException {
//获得请求 https://search.jd.com/Search?keyword=java
//前提 联网 中文搜索 +"&enc=utf-8"
String url = "https://search.jd.com/Search?keyword="+keywords;
//解析网页,jsoup返回的document就是document对象
Document document = Jsoup.parse(new URL(url), 30000);
//所有在js中使用的方法,这里都可以使用
Element element = document.getElementById("J_goodsList");
//System.out.println(element.html());
//获取所有的li标签
Elements elements = element.getElementsByTag("li");
ArrayList<Content> list = new ArrayList<>();
//获取元素中的内容 el就是一个li标签了
for (Element el : elements) {
//关于这种图片,很多网站都是懒加载的
// String img = el.getElementsByTag("img").eq(0).attr("src");
String img = el.getElementsByTag("img").eq(0).attr("data-lazy-img");
String price = el.getElementsByClass("p-price").eq(0).text();
String name = el.getElementsByClass("p-name").eq(0).text();
// System.out.println("======================");
// System.out.println(img);
// System.out.println(price);
// System.out.println(name);
Content content = new Content();
content.setImg(img);
content.setName(name);
content.setPrice(price );
list.add(content);
}
return list;
}
}
ElasticSearchClientConfig
package com.zr.config;
//找对象
//放到spring中待用
@Configuration
public class ElasticSearchClientConfig {
@Bean
public RestHighLevelClient restHighLevelClient(){
RestHighLevelClient client = new RestHighLevelClient(
RestClient.builder(
new HttpHost("127.0.0.1", 9200, "http")));
return client;
}
}
具体业务实现
package com.zr.service;
//业务编写
@Service
public class ContentService {
@Autowired
private RestHighLevelClient restHighLevelClient;
//解析数据 放入es索引中
public Boolean parseContent(String keywords) throws IOException {
List<Content> contents = new HtmlParseUtil().parseJD(keywords);
//把查询的数据放入es中
BulkRequest bulkRequest = new BulkRequest();
bulkRequest.timeout("2m");
for (int i = 0; i < contents.size(); i++) {
bulkRequest.add(
new IndexRequest("jd_goods")
.source(JSON.toJSONString(contents.get(i)),XContentType.JSON));
}
BulkResponse bulk = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);
return bulk.hasFailures();
}
//获取数据,实现搜索功能
public List<Map<String,Object>> searchPage(String keyword,int pageNo,int pageSize) throws IOException {
//条件搜索
SearchRequest searchRequest = new SearchRequest("jd_goods");
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
//精准匹配
TermQueryBuilder query = QueryBuilders.termQuery("name", keyword);
sourceBuilder.query(query);
sourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));
//分页
sourceBuilder.from(pageNo);
sourceBuilder.size(pageSize);
//执行搜索
searchRequest.source(sourceBuilder);
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
//解析结果
ArrayList<Map<String,Object>> list = new ArrayList<>();
for (SearchHit hit : searchResponse.getHits().getHits()) {
list.add(hit.getSourceAsMap());
}
return list;
}
//获取数据,实现高亮搜索功能
public List<Map<String,Object>> searchHighPage(String keyword,int pageNo,int pageSize) throws IOException {
//条件搜索
SearchRequest searchRequest = new SearchRequest("jd_goods");
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
//精准匹配
TermQueryBuilder query = QueryBuilders.termQuery("name", keyword);
sourceBuilder.query(query);
sourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));
//分页
sourceBuilder.from(pageNo);
sourceBuilder.size(pageSize);
//高亮
HighlightBuilder highlightBuilder = new HighlightBuilder();
highlightBuilder.field("name");
highlightBuilder.requireFieldMatch(false); //关闭多个高亮显示
highlightBuilder.preTags("<span style='color:red'>");
highlightBuilder.postTags("</span>");
sourceBuilder.highlighter(highlightBuilder);
//执行搜索
searchRequest.source(sourceBuilder);
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
//解析结果
ArrayList<Map<String,Object>> list = new ArrayList<>();
for (SearchHit hit : searchResponse.getHits().getHits()) {
Map<String, HighlightField> highlightFields = hit.getHighlightFields();
HighlightField name = highlightFields.get("name");
Map<String, Object> sourceAsMap = hit.getSourceAsMap(); //原来的结果
//解析高亮的字段 将原来的字段换为高亮的字段
if (name!=null){
Text[] fragments = name.fragments();
String n_name = "";
for (Text text : fragments) {
n_name += text;
}
sourceAsMap.put("name",n_name); //替换高亮的字段
}
list.add(sourceAsMap);
}
return list;
}
}
ContentController
package com.zr.controller;
import com.zr.service.ContentService;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.RestController;
import java.io.IOException;
import java.util.List;
import java.util.Map;
@RestController
public class ContentController {
@Autowired
private ContentService contentService;
@GetMapping("/parse/{keyword}")
public Boolean parse(@PathVariable("keyword") String keywords) throws IOException {
return contentService.parseContent(keywords);
}
@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 {
// return contentService.searchPage(keyword, pageNo, pageSize); //普通查询
//高亮
return contentService.searchHighPage(keyword, pageNo, pageSize);
}
}
index.html(需要引入axios.js, vue.js, jQuery.js, css,京东logo图片)
<!DOCTYPE html>
<html xmlns:th="http://www.thymeleaf.org">
<head>
<meta charset="utf-8"/>
<title>京东</title>
<link rel="stylesheet" th:href="@{/css/style.css}"/>
</head>
<body class="pg">
<div class="page" id="app">
<div id="mallPage" class=" mallist tmall- page-not-market ">
<!-- 头部搜索 -->
<div id="header" class=" header-list-app">
<div class="headerLayout">
<div class="headerCon ">
<!-- Logo -->
<h1 id="mallLogo">
<img th:src="@{/images/jdlogo.png}" alt="">
</h1>
<div class="header-extra">
<!-- 搜索 -->
<div id="mallSearch" class="mall-search">
<form name="searchTop" class="mallSearch-form clearfix">
<fieldset>
<legend>天猫搜索</legend>
<div class="mallSearch-input clearfix">
<div class="s-combobox" id="s-combobox-685">
<div class="s-combobox-input-wrap">
<input v-model="keyword" type="text" autocomplete="off" value="java"
id="mq"
class="s-combobox-input" aria-haspopup="true"
>
</div>
</div>
<button type="submit" @click.prevent="searchKey" id="searchbtn">搜索</button>
</div>
</fieldset>
</form>
<ul class="relKeyTop">
<li><a>Java</a></li>
<li><a>Spring</a></li>
<li><a>Spring Boot</a></li>
<li><a>Spring Cloud</a></li>
<li><a>MySQL</a></li>
</ul>
</div>
</div>
</div>
</div>
</div>
<!-- 商品详情页面 -->
<div id="content">
<div class="main">
<!-- 品牌分类 -->
<form class="navAttrsForm">
<div class="attrs j_NavAttrs" style="display:block">
<div class="brandAttr j_nav_brand">
<div class="j_Brand attr">
<div class="attrKey">
品牌
</div>
<div class="attrValues">
<ul class="av-collapse row-2">
<li><a href="#"> MacBook Pro </a></li>
<li><a href="#"> iPad Pro </a></li>
<li><a href="#"> iPhone Pro </a></li>
</ul>
</div>
</div>
</div>
</div>
</form>
<!-- 排序规则 -->
<div class="filter clearfix">
<a class="fSort fSort-cur">综合<i class="f-ico-arrow-d"></i></a>
<a class="fSort">人气<i class="f-ico-arrow-d"></i></a>
<a class="fSort">新品<i class="f-ico-arrow-d"></i></a>
<a class="fSort">销量<i class="f-ico-arrow-d"></i></a>
<a class="fSort">价格<i class="f-ico-triangle-mt"></i><i class="f-ico-triangle-mb"></i></a>
</div>
<!-- 商品详情 -->
<div class="view grid-nosku">
<div class="product" v-for="result in results">
<div class="product-iWrap">
<!-- 商品封面 -->
<div class="productImg-wrap">
<a class="productImg">
<img :src="result.img">
</a>
</div>
<!-- 价格 -->
<p class="productPrice">
<em>{{result.price}}</em>
</p>
<!-- 标题 -->
<p class="productTitle">
<a v-html="result.name"></a>
</p>
<!-- 评价数量 -->
<p class="productCommit">
<span>1.2w+条评价</span>
</p>
<!-- 出版社 -->
<div class="productShop">
<span> 小周书城 </span>
</div>
<!-- 成交信息 -->
<p class="productStatus">
<span>月成交 <em>999笔</em></span>
<span>评价 <a>3</a></span>
</p>
</div>
</div>
</div>
</div>
</div>
</div>
</div>
<!--前端使用vue,实现前后端分离-->
<script th:src="@{/js/axios.min.js}"></script>
<script th:src="@{/js/vue.min.js}"></script>
<script>
new Vue({
el: '#app',
data: {
keyword: '',
results: []
},
methods: {
searchKey(){
var keyword = this.keyword;
console.log(keyword);
//对接后端的接口
axios.get('search/'+keyword+'/1/10').then(response=>{
console.log(response.data);
this.results = response.data;
})
}
}
});
</script>
</body>
</html>
浏览器测试搜索和高亮: