ElasticSearch pinyin分词支持多音字

ElasticSearch pinyin分词支持多音字

背景

我们有一个搜索业务底层采用ElasticSearch作为搜索引擎，在索引的过程中，使用了ik中文分词、拼音分词、同义词等多种分词器。ES和各种插件的组合已经能满足我们线上90%的需求，但是仍有部分需求无法覆盖，我们在拼音分词的时候过程中就遇到了无法解决的问题。

比如在 三一重工 中，一重 这个词在拼音词库 polyphone.txt 中有对应的词汇，读作 yichong，因此这整个词的读音为 sanyichonggong， 但是其真实读音应该为 sanyizhonggong。这是因为在拼音分词过程中会先去词库中检索是否有对应的词汇，没有的话再用单字拼音代替最后拼接在一起。

再比如在 蔚来汽车 中，蔚来 算是一个新词，在拼音词库 polyphone.txt 中没有对应的词汇，因此这个词对应的拼音是每个字的拼音拼接而成，结果为 yulai 。但是其真实读音应该为 weilai, 那么我们的用户就无法通过拼音 weilai 搜索到相关的内容。

经过查看拼音分词源代码发现，拼音分词其实是调用nlp-lang这个项目里的方法实现的分词器。而这个nlp-lang项目中，拼音解析如果遇到多音字仅仅返回第一个拼音，这样很多读音都无法获取到。

if(temp.length()==1){
   
   
    //单个字取第一个拼音
    lists.add(PinyinFormatter.formatPinyin(word.getParam()[0], format));
} else {
   
   
    for (