Elasticsearch 的 highlight（高亮） 是搜索功能中一个非常重要的用户体验特性，它能将搜索关键词在搜索结果中高亮显示，帮助用户快速定位匹配内容。

---

一、知识体系一共包含哪些部分？

模块	组件	作用
1. Highlight 基础用法	highlight 查询参数	基本高亮配置
2. 字段选择（Fields）	指定哪些字段高亮	精准控制
3. 高亮类型（Type）	unified, plain, fvh	不同算法策略
4. 前置/后置标签（Tags）	<em>, <strong>	自定义 HTML 标签
5. 分片与性能	number_of_fragments	控制高亮片段数量
6. 分词器与高亮一致性	分析器匹配	避免高亮错乱
7. 短语匹配与偏移	精确匹配短语	提升准确性
8. 无匹配时的处理	no_match_size	降级策略
9. 多值字段高亮	数组字段支持	复杂数据结构
10. 性能优化	缓存、字段数据加载	高并发场景
11. HTML 内容处理	fragmenter: html	安全处理 HTML
12. API 与 DSL	REST API 查询结构	实际调用方式

---

二、highlight 是什么？

当你在 Elasticsearch 中执行搜索时，可以添加 highlight 参数，让 ES 返回匹配关键词的高亮片段。

✅ 示例请求：

GET /my-index/_search
{
  "query": {
    "match": {
      "content": "lucene"
    }
  },
  "highlight": {
    "fields": {
      "content": {} 
    }
  }
}

✅ 响应结果：

"highlight": {
  "content": [
    "This is about <em>lucene</em> and search engines."
  ]
}

• <em> 是默认的高亮标签。
• lucene 被包裹在 <em> 中。

---

三、底层原理详解

🔹 1. 高亮的核心流程

[用户搜索 "lucene"]
       ↓
ES 匹配文档
       ↓
从 _source 或 stored 字段提取原始文本
       ↓
使用字段的 analyzer 重新分析文本
       ↓
定位关键词在文本中的位置（偏移量）
       ↓
根据偏移量截取片段（fragments）
       ↓
用 <em> 等标签包裹关键词
       ↓
返回高亮片段

✅ 高亮不是简单的字符串替换，而是基于 倒排索引中的位置信息（offset） 精确定位。

---

🔹 2. 高亮类型（type）详解

类型	说明	适用场景
unified	默认类型，基于 fvh 或 plain 自动选择	推荐使用
plain	基于标准分析器的高亮	简单文本
fvh (Fast Vector Highlighter)	基于 term_vector 的快速高亮	高性能、支持复杂查询
postings	基于 postings 列表	不常用

⚠️ fvh 要求字段启用 term_vector: with_positions_offsets

---

🔹 3. term_vector 的作用

PUT /my-index
{
  "mappings": {
    "properties": {
      "content": {
        "type": "text",
        "term_vector": "with_positions_offsets" 
      }
    }
  }
}

• with_positions_offsets：存储词项的位置和字符偏移。
• 高亮时，ES 使用这些偏移量精确定位关键词位置。
• ⚠️ 增加索引大小，但提升高亮性能和准确性。

---

🔹 4. 高亮字段配置详解

"highlight": {
  "pre_tags": ["<strong>"],
  "post_tags": ["</strong>"],
  "fragment_size": 150,
  "number_of_fragments": 3,
  "no_match_size": 150,
  "fields": {
    "content": {
      "type": "unified",
      "fragmenter": "span", 
      "highlight_query": {
        "match_phrase": {
          "content": "fast search"
        }
      }
    }
  }
}

参数说明：

参数	说明
pre_tags / post_tags	自定义高亮标签
fragment_size	每个片段最大字符数
number_of_fragments	返回最多几个片段
no_match_size	如果没匹配到关键词，返回前 N 个字符作为摘要
fragmenter	片段生成方式：simple, span
highlight_query	使用不同查询进行高亮（如短语匹配）

---

🔹 5. fragmenter（片段生成器）

类型	说明
simple	按句子或空白分割
span	更智能，避免在 HTML 标签中间截断
html	专门用于 HTML 内容，避免破坏标签结构

✅ 推荐："fragmenter": "html" 用于含 HTML 的字段。

---

🔹 6. 处理 HTML 内容的安全高亮

如果 content 字段包含 HTML：

<p>This is a <b>lucene</b> tutorial.</p>

直接高亮可能导致：

<p>This is a <b><em>lucene</em></b></p> ✅ 正确
<p>This is a <b><em>lucene</b></em></p> ❌ 错误（标签错乱）

解决方案：

"fields": {
  "content": {
    "type": "unified",
    "fragmenter": "html",
    "boundary_chars": ".,!? \t\n"
  }
}

• fragmenter: html：智能处理 HTML 标签。
• boundary_chars：定义断词边界。

---

🔹 7. no_match_size 降级策略

当搜索词在字段中未匹配时，返回前 N 个字符作为摘要：

"no_match_size": 150

• 用于生成“搜索结果摘要”。
• 提升用户体验。

---

四、最佳实践

建议	说明
✅ 使用 unified 类型	自动选择最优策略
✅ 字段启用 term_vector	提升高亮准确性和性能
✅ 使用 fragmenter: html	处理 HTML 内容
✅ 控制 number_of_fragments	避免返回过多片段
✅ 自定义 pre_tags	用 <mark> 或自定义 class
✅ 避免高亮大字段	如 content 过长时只返回片段

---

五、常见问题

问题	原因	解决方案
高亮标签错乱	未用 fragmenter: html	启用 HTML 片段器
高亮不准确	分词器不一致	确保查询和高亮使用相同 analyzer
性能慢	字段太大	控制 fragment_size
无高亮结果	未匹配	检查查询和字段内容
标签被转义	前端未渲染 HTML	使用 v-html 或 dangerouslySetInnerHTML

---

六、总结：一句话核心

Elasticsearch 的 highlight 高亮底层原理是：基于倒排索引中的词项位置偏移（positions & offsets），结合 term_vector 精确定位关键词在原始文本中的位置，通过智能片段生成器（如 html fragmenter）截取上下文并包裹自定义标签，实现“精准、安全、高效”的搜索结果高亮，是“倒排索引 + 文本分析 + 片段生成”三大技术的综合应用。