ElasticSearch 分詞器，了解一下

這篇文章主要來(lái)介紹下什么是 Analysis 醇坝，什么是分詞器邑跪，以及 ElasticSearch 自帶的分詞器是怎么工作的，最后會(huì)介紹下中文分詞是怎么做的呼猪。

首先來(lái)說(shuō)下什么是 Analysis：

什么是 Analysis画畅？

顧名思義，文本分析就是把全文本轉(zhuǎn)換成一系列單詞（term/token）的過(guò)程宋距，也叫分詞轴踱。在 ES 中，Analysis 是通過(guò)分詞器（Analyzer） 來(lái)實(shí)現(xiàn)的谚赎，可使用 ES 內(nèi)置的分析器或者按需定制化分析器淫僻。

舉一個(gè)分詞簡(jiǎn)單的例子：比如你輸入 Mastering Elasticsearch，會(huì)自動(dòng)幫你分成兩個(gè)單詞壶唤，一個(gè)是 mastering雳灵，另一個(gè)是 elasticsearch，可以看出單詞也被轉(zhuǎn)化成了小寫(xiě)的闸盔。

image

再簡(jiǎn)單了解了 Analysis 與 Analyzer 之后悯辙，讓我們來(lái)看下分詞器的組成：

分詞器的組成

分詞器是專(zhuān)門(mén)處理分詞的組件，分詞器由以下三部分組成：

  • Character Filters：針對(duì)原始文本處理迎吵，比如去除 html 標(biāo)簽
  • Tokenizer：按照規(guī)則切分為單詞躲撰，比如按照空格切分
  • Token Filters：將切分的單詞進(jìn)行加工，比如大寫(xiě)轉(zhuǎn)小寫(xiě)击费，刪除 stopwords拢蛋，增加同義語(yǔ)
分詞器的組成

同時(shí) Analyzer 三個(gè)部分也是有順序的，從圖中可以看出蔫巩，從上到下依次經(jīng)過(guò) Character Filters谆棱，Tokenizer 以及 Token Filters快压，這個(gè)順序比較好理解，一個(gè)文本進(jìn)來(lái)肯定要先對(duì)文本數(shù)據(jù)進(jìn)行處理础锐，再去分詞嗓节，最后對(duì)分詞的結(jié)果進(jìn)行過(guò)濾。

其中皆警，ES 內(nèi)置了許多分詞器：

  • Standard Analyzer - 默認(rèn)分詞器拦宣，按詞切分，小寫(xiě)處理
  • Simple Analyzer - 按照非字母切分（符號(hào)被過(guò)濾）信姓，小寫(xiě)處理
  • Stop Analyzer - 小寫(xiě)處理鸵隧，停用詞過(guò)濾（the ，a意推，is）
  • Whitespace Analyzer - 按照空格切分豆瘫，不轉(zhuǎn)小寫(xiě)
  • Keyword Analyzer - 不分詞，直接將輸入當(dāng)做輸出
  • Pattern Analyzer - 正則表達(dá)式菊值，默認(rèn) \W+
  • Language - 提供了 30 多種常見(jiàn)語(yǔ)言的分詞器
  • Customer Analyzer - 自定義分詞器

接下來(lái)會(huì)對(duì)以上分詞器進(jìn)行講解外驱，在講解之前先來(lái)看下很有用的 API：_analyzer API：

Analyzer API

它可以通過(guò)以下三種方式來(lái)查看分詞器是怎么樣工作的：

  • 直接指定 Analyzer 進(jìn)行測(cè)試
GET _analyze
{
    "analyzer": "standard",
    "text" : "Mastering Elasticsearch , elasticsearch in Action"
}
  • 指定索引的字段進(jìn)行測(cè)試
POST books/_analyze
{
    "field": "title",
    "text": "Mastering Elasticesearch"
}
  • 自定義分詞進(jìn)行測(cè)試
POST /_analyze
{
    "tokenizer": "standard", 
    "filter": ["lowercase"],
    "text": "Mastering Elasticesearch"
}

再了解了 Analyzer API 后，讓我們一起看下 ES 內(nèi)置的分詞器：

ES 分詞器

首先來(lái)介紹下 Stamdard Analyzer 分詞器：

Stamdard Analyzer

Stamdard Analyzer

它是 ES 默認(rèn)的分詞器腻窒，它會(huì)對(duì)輸入的文本按詞的方式進(jìn)行切分昵宇，切分好以后會(huì)進(jìn)行轉(zhuǎn)小寫(xiě)處理，默認(rèn)的 stopwords 是關(guān)閉的儿子。

下面使用 Kibana 看一下它是怎么樣進(jìn)行工作的瓦哎，在 Kibana 的開(kāi)發(fā)工具（Dev Tools）中指定 Analyzer 為 standard，并輸入文本 In 2020, Java is the best language in the world.柔逼，然后我們運(yùn)行一下：

GET _analyze
{
  "analyzer": "standard",
  "text": "In 2020, Java is the best language in the world."
}

運(yùn)行結(jié)果如下：

{
  "tokens" : [
    {
      "token" : "in",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "<ALPHANUM>",
      "position" : 0
    },
    {
      "token" : "2020",
      "start_offset" : 3,
      "end_offset" : 7,
      "type" : "<NUM>",
      "position" : 1
    },
    {
      "token" : "java",
      "start_offset" : 9,
      "end_offset" : 13,
      "type" : "<ALPHANUM>",
      "position" : 2
    },
    {
      "token" : "is",
      "start_offset" : 14,
      "end_offset" : 16,
      "type" : "<ALPHANUM>",
      "position" : 3
    },
    {
      "token" : "the",
      "start_offset" : 17,
      "end_offset" : 20,
      "type" : "<ALPHANUM>",
      "position" : 4
    },
    {
      "token" : "best",
      "start_offset" : 21,
      "end_offset" : 25,
      "type" : "<ALPHANUM>",
      "position" : 5
    },
    {
      "token" : "language",
      "start_offset" : 26,
      "end_offset" : 34,
      "type" : "<ALPHANUM>",
      "position" : 6
    },
    {
      "token" : "in",
      "start_offset" : 35,
      "end_offset" : 37,
      "type" : "<ALPHANUM>",
      "position" : 7
    },
    {
      "token" : "the",
      "start_offset" : 38,
      "end_offset" : 41,
      "type" : "<ALPHANUM>",
      "position" : 8
    },
    {
      "token" : "world",
      "start_offset" : 42,
      "end_offset" : 47,
      "type" : "<ALPHANUM>",
      "position" : 9
    }
  ]
}

可以看出是按照空格蒋譬、非字母的方式對(duì)輸入的文本進(jìn)行了轉(zhuǎn)換，比如對(duì) Java 做了轉(zhuǎn)小寫(xiě)愉适，對(duì)一些停用詞也沒(méi)有去掉犯助，比如 in。

其中 token 為分詞結(jié)果儡毕；start_offset 為起始偏移也切；end_offset 為結(jié)束偏移；position 為分詞位置腰湾。

下面來(lái)看下 Simple Analyzer 分詞器：

Simple Analyzer

Simple Analyzer

它只包括了 Lower Case 的 Tokenizer，它會(huì)按照非字母切分疆股，非字母的會(huì)被去除费坊，最后對(duì)切分好的做轉(zhuǎn)小寫(xiě)處理，然后接著用剛才的輸入文本旬痹，分詞器換成 simple 來(lái)進(jìn)行分詞附井，運(yùn)行結(jié)果如下：

{
  "tokens" : [
    {
      "token" : "in",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "word",
      "position" : 0
    },
    {
      "token" : "java",
      "start_offset" : 9,
      "end_offset" : 13,
      "type" : "word",
      "position" : 1
    },
    {
      "token" : "is",
      "start_offset" : 14,
      "end_offset" : 16,
      "type" : "word",
      "position" : 2
    },
    {
      "token" : "the",
      "start_offset" : 17,
      "end_offset" : 20,
      "type" : "word",
      "position" : 3
    },
    {
      "token" : "best",
      "start_offset" : 21,
      "end_offset" : 25,
      "type" : "word",
      "position" : 4
    },
    {
      "token" : "language",
      "start_offset" : 26,
      "end_offset" : 34,
      "type" : "word",
      "position" : 5
    },
    {
      "token" : "in",
      "start_offset" : 35,
      "end_offset" : 37,
      "type" : "word",
      "position" : 6
    },
    {
      "token" : "the",
      "start_offset" : 38,
      "end_offset" : 41,
      "type" : "word",
      "position" : 7
    },
    {
      "token" : "world",
      "start_offset" : 42,
      "end_offset" : 47,
      "type" : "word",
      "position" : 8
    }
  ]
}

從結(jié)果中可以看出讨越，數(shù)字 2020 被去除掉了，說(shuō)明非字母的的確會(huì)被去除永毅，所有的詞也都做了小寫(xiě)轉(zhuǎn)換把跨。

現(xiàn)在，我們來(lái)看下 Whitespace Analyzer 分詞器：

Whitespace Analyzer

Whitespace Analyzer

它非常簡(jiǎn)單沼死，根據(jù)名稱(chēng)也可以看出是按照空格進(jìn)行切分的着逐，下面我們來(lái)看下它是怎么樣工作的：

{
  "tokens" : [
    {
      "token" : "In",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "word",
      "position" : 0
    },
    {
      "token" : "2020,",
      "start_offset" : 3,
      "end_offset" : 8,
      "type" : "word",
      "position" : 1
    },
    {
      "token" : "Java",
      "start_offset" : 9,
      "end_offset" : 13,
      "type" : "word",
      "position" : 2
    },
    {
      "token" : "is",
      "start_offset" : 14,
      "end_offset" : 16,
      "type" : "word",
      "position" : 3
    },
    {
      "token" : "the",
      "start_offset" : 17,
      "end_offset" : 20,
      "type" : "word",
      "position" : 4
    },
    {
      "token" : "best",
      "start_offset" : 21,
      "end_offset" : 25,
      "type" : "word",
      "position" : 5
    },
    {
      "token" : "language",
      "start_offset" : 26,
      "end_offset" : 34,
      "type" : "word",
      "position" : 6
    },
    {
      "token" : "in",
      "start_offset" : 35,
      "end_offset" : 37,
      "type" : "word",
      "position" : 7
    },
    {
      "token" : "the",
      "start_offset" : 38,
      "end_offset" : 41,
      "type" : "word",
      "position" : 8
    },
    {
      "token" : "world.",
      "start_offset" : 42,
      "end_offset" : 48,
      "type" : "word",
      "position" : 9
    }
  ]
}

可以看出，只是按照空格進(jìn)行切分意蛀，2020 數(shù)字還是在的耸别，Java 的首字母還是大寫(xiě)的，, 還是保留的县钥。

接下來(lái)看 Stop Analyzer 分詞器：

Stop Analyzer

Stop Analyzer

它由 Lowe Case 的 Tokenizer 和 Stop 的 Token Filters 組成的秀姐，相較于剛才提到的 Simple Analyzer，多了 stop 過(guò)濾若贮，stop 就是會(huì)把 the省有，a，is 等修飾詞去除谴麦，同樣讓我們看下運(yùn)行結(jié)果：

{
  "tokens" : [
    {
      "token" : "java",
      "start_offset" : 9,
      "end_offset" : 13,
      "type" : "word",
      "position" : 1
    },
    {
      "token" : "best",
      "start_offset" : 21,
      "end_offset" : 25,
      "type" : "word",
      "position" : 4
    },
    {
      "token" : "language",
      "start_offset" : 26,
      "end_offset" : 34,
      "type" : "word",
      "position" : 5
    },
    {
      "token" : "world",
      "start_offset" : 42,
      "end_offset" : 47,
      "type" : "word",
      "position" : 8
    }
  ]
}

可以看到 in is the 等詞都被 stop filter過(guò)濾掉了蠢沿。

接下來(lái)看下 Keyword Analyzer：

Keyword Analyzer

Keyword Analyzer

它其實(shí)不做分詞處理，只是將輸入作為 Term 輸出细移，我們來(lái)看下運(yùn)行結(jié)果：

{
  "tokens" : [
    {
      "token" : "In 2020, Java is the best language in the world.",
      "start_offset" : 0,
      "end_offset" : 48,
      "type" : "word",
      "position" : 0
    }
  ]
}

我們可以看到搏予，沒(méi)有對(duì)輸入文本進(jìn)行分詞，而是直接作為 Term 輸出了弧轧。

接下來(lái)看下 Pattern Analyzer：

Pattern Analyzer

Pattern Analyzer

它可以通過(guò)正則表達(dá)式的方式進(jìn)行分詞雪侥，默認(rèn)是用 \W+ 進(jìn)行分割的，也就是非字母的符合進(jìn)行切分的精绎，由于運(yùn)行結(jié)果和 Stamdard Analyzer 一樣速缨，就不展示了。

Language Analyzer

ES 為不同國(guó)家語(yǔ)言的輸入提供了 Language Analyzer 分詞器代乃，在里面可以指定不同的語(yǔ)言旬牲，我們用 english 進(jìn)行分詞看下：

{
  "tokens" : [
    {
      "token" : "2020",
      "start_offset" : 3,
      "end_offset" : 7,
      "type" : "<NUM>",
      "position" : 1
    },
    {
      "token" : "java",
      "start_offset" : 9,
      "end_offset" : 13,
      "type" : "<ALPHANUM>",
      "position" : 2
    },
    {
      "token" : "best",
      "start_offset" : 21,
      "end_offset" : 25,
      "type" : "<ALPHANUM>",
      "position" : 5
    },
    {
      "token" : "languag",
      "start_offset" : 26,
      "end_offset" : 34,
      "type" : "<ALPHANUM>",
      "position" : 6
    },
    {
      "token" : "world",
      "start_offset" : 42,
      "end_offset" : 47,
      "type" : "<ALPHANUM>",
      "position" : 9
    }
  ]
}

可以看出 language 被改成了 languag，同時(shí)它也是有 stop 過(guò)濾器的搁吓，比如 in,is 等詞也被去除了原茅。

最后，讓我們看下中文分詞：

中文分詞

中文分詞有特定的難點(diǎn)堕仔，不像英文擂橘，單詞有自然的空格作為分隔，在中文句子中摩骨，不能簡(jiǎn)單地切分成一個(gè)個(gè)的字通贞，而是需要分成有含義的詞朗若，但是在不同的上下文，是有不同的理解的昌罩。

比如以下例子：

在這些哭懈，企業(yè)中，國(guó)有茎用，企業(yè)遣总，有十個(gè)/在這些，企業(yè)绘搞，中國(guó)彤避，有企業(yè)岗屏，有十個(gè)
各國(guó)永丝，有姐直，企業(yè)蒿褂，相繼圆米，倒閉/各，國(guó)有啄栓，企業(yè)娄帖，相繼，倒閉
羽毛球昙楚，拍賣(mài)近速，完了/羽毛球拍，賣(mài)堪旧，完了

那么削葱，讓我們來(lái)看下 ICU Analyzer 分詞器，它提供了 Unicode 的支持淳梦，更好的支持亞洲語(yǔ)言析砸！

我們先用 standard 來(lái)分詞，以便于和 ICU 進(jìn)行對(duì)比爆袍。

GET _analyze
{
  "analyzer": "standard",
  "text": "各國(guó)有企業(yè)相繼倒閉"
}

運(yùn)行結(jié)果就不展示了首繁，分詞是一個(gè)字一個(gè)字切分的，明顯效果不是很好陨囊，接下來(lái)用 ICU 進(jìn)行分詞弦疮，分詞結(jié)果如下：

{
  "tokens" : [
    {
      "token" : "各國(guó)",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "<IDEOGRAPHIC>",
      "position" : 0
    },
    {
      "token" : "有",
      "start_offset" : 2,
      "end_offset" : 3,
      "type" : "<IDEOGRAPHIC>",
      "position" : 1
    },
    {
      "token" : "企業(yè)",
      "start_offset" : 3,
      "end_offset" : 5,
      "type" : "<IDEOGRAPHIC>",
      "position" : 2
    },
    {
      "token" : "相繼",
      "start_offset" : 5,
      "end_offset" : 7,
      "type" : "<IDEOGRAPHIC>",
      "position" : 3
    },
    {
      "token" : "倒閉",
      "start_offset" : 7,
      "end_offset" : 9,
      "type" : "<IDEOGRAPHIC>",
      "position" : 4
    }
  ]
}

可以看到分成了各國(guó)，有蜘醋，企業(yè)挂捅，相繼，倒閉堂湖，顯然比剛才的效果好了很多闲先。

還有許多中文分詞器，在這里列舉幾個(gè)：

IK：

jieba：

THULAC：

  • THU Lexucal Analyzer for Chinese, 清華大學(xué)自然語(yǔ)言處理和社會(huì)人文計(jì)算實(shí)驗(yàn)室的一套中文分詞器
  • https://github.com/thunlp/THULAC-Java

大家可以自己安裝下训桶，看下它中文分詞效果。

總結(jié)

本文主要介紹了 ElasticSearch 自帶的分詞器酣倾，學(xué)習(xí)了使用 _analyzer API 去查看它的分詞情況舵揭，最后還介紹下中文分詞是怎么做的。

參考文獻(xiàn)

Elasticsearch頂尖高手系列

Elasticsearch核心技術(shù)與實(shí)戰(zhàn)

https://www.elastic.co/guide/en/elasticsearch/reference/7.1/indices-analyze.html

https://www.elastic.co/guide/en/elasticsearch/reference/current/analyzer-anatomy.html

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 人面猴
    序言：七十年代末躁锡，一起剝皮案震驚了整個(gè)濱河市午绳，隨后出現(xiàn)的幾起案子，更是在濱河造成了極大的恐慌映之，老刑警劉巖拦焚，帶你破解...
    沈念sama閱讀 217,734評(píng)論 6贊 505
  • 死咒
    序言：濱河連續(xù)發(fā)生了三起死亡事件，死亡現(xiàn)場(chǎng)離奇詭異杠输，居然都是意外死亡赎败，警方通過(guò)查閱死者的電腦和手機(jī)，發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,931評(píng)論 3贊 394
  • 救了他兩次的神仙讓他今天三更去死
    文/潘曉璐 我一進(jìn)店門(mén)蠢甲，熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)僵刮，“玉大人，你說(shuō)我怎么就攤上這事鹦牛「愀猓” “怎么了？”我有些...
    開(kāi)封第一講書(shū)人閱讀 164,133評(píng)論 0贊 354
  • 道士緝兇錄：失蹤的賣(mài)姜人
    文/不壞的土叔 我叫張陵能岩，是天一觀的道長(zhǎng)寞宫。 經(jīng)常有香客問(wèn)我，道長(zhǎng)拉鹃，這世上最難降的妖魔是什么辈赋？ 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,532評(píng)論 1贊 293
  • ?港島之戀（遺憾婚禮）
    正文 為了忘掉前任，我火速辦了婚禮膏燕，結(jié)果婚禮上钥屈，老公的妹妹穿的比我還像新娘。我一直安慰自己坝辫，他們只是感情好篷就，可當(dāng)我...
    茶點(diǎn)故事閱讀 67,585評(píng)論 6贊 392
  • 惡毒庶女頂嫁案：這布局不是一般人想出來(lái)的
    文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著近忙，像睡著了一般竭业。 火紅的嫁衣襯著肌膚如雪智润。 梳的紋絲不亂的頭發(fā)上，一...
    開(kāi)封第一講書(shū)人閱讀 51,462評(píng)論 1贊 302
  • 城市分裂傳說(shuō)
    那天未辆，我揣著相機(jī)與錄音窟绷，去河邊找鬼。 笑死咐柜，一個(gè)胖子當(dāng)著我的面吹牛兼蜈，可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播拙友，決...
    沈念sama閱讀 40,262評(píng)論 3贊 418
  • 雙鴛鴦連環(huán)套：你想象不到人心有多黑
    文/蒼蘭香墨 我猛地睜開(kāi)眼为狸，長(zhǎng)吁一口氣：“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼！你這毒婦竟也來(lái)了遗契？” 一聲冷哼從身側(cè)響起辐棒，我...
    開(kāi)封第一講書(shū)人閱讀 39,153評(píng)論 0贊 276
  • 萬(wàn)榮殺人案實(shí)錄
    序言：老撾萬(wàn)榮一對(duì)情侶失蹤，失蹤者是張志新（化名）和其女友劉穎姊途，沒(méi)想到半個(gè)月后涉瘾，有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體，經(jīng)...
    沈念sama閱讀 45,587評(píng)論 1贊 314
  • ?護(hù)林員之死
    正文 獨(dú)居荒郊野嶺守林人離奇死亡捷兰，尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,792評(píng)論 3贊 336
  • ?白月光啟示錄
    正文 我和宋清朗相戀三年立叛，在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片贡茅。...
    茶點(diǎn)故事閱讀 39,919評(píng)論 1贊 348
  • 活死人
    序言：一個(gè)原本活蹦亂跳的男人離奇死亡秘蛇，死狀恐怖，靈堂內(nèi)的尸體忽然破棺而出顶考，到底是詐尸還是另有隱情赁还，我是刑警寧澤，帶...
    沈念sama閱讀 35,635評(píng)論 5贊 345
  • ?日本核電站爆炸內(nèi)幕
    正文 年R本政府宣布驹沿，位于F島的核電站艘策，受9級(jí)特大地震影響，放射性物質(zhì)發(fā)生泄漏渊季。R本人自食惡果不足惜朋蔫，卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,237評(píng)論 3贊 329
  • 男人毒藥：我在死后第九天來(lái)索命
    文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望却汉。 院中可真熱鬧驯妄，春花似錦、人聲如沸合砂。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 31,855評(píng)論 0贊 22
  • 一樁弒父案，背后竟有這般陰謀
    文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至微猖，卻和暖如春，著一層夾襖步出監(jiān)牢的瞬間励两，已是汗流浹背黎茎。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 32,983評(píng)論 1贊 269
  • 情欲美人皮
    我被黑心中介騙來(lái)泰國(guó)打工， 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留，地道東北人盲憎。 一個(gè)月前我還...
    沈念sama閱讀 48,048評(píng)論 3贊 370
  • 代替公主和親
    正文 我出身青樓慕爬，卻偏偏與公主長(zhǎng)得像磅甩，于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子独榴，可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,864評(píng)論 2贊 354

推薦閱讀更多精彩內(nèi)容

  • 官方文檔：https://www.elastic.co/guide/en/elasticsearch/refere...
    DimonHo閱讀 929評(píng)論 0贊 0
  • 個(gè)人專(zhuān)題目錄 1. 中文分詞器 IK分詞器 1.1 分詞器 analyzer 什么是分詞器 analyzer 分詞...
    Java及SpringBoot閱讀 1,355評(píng)論 0贊 0
  • 倒排索引 正排索引：文檔id到單詞的關(guān)聯(lián)關(guān)系 倒排索引：?jiǎn)卧~到文檔id的關(guān)聯(lián)關(guān)系 示例：對(duì)以下三個(gè)文檔去除停用詞后...
    小旋鋒的簡(jiǎn)書(shū)閱讀 4,621評(píng)論 1贊 11
  • 很多時(shí)候，為了留住身邊的朋友题画，我總是時(shí)不時(shí)的打個(gè)電話(huà)竞思、發(fā)個(gè)消息問(wèn)一下他最近是否過(guò)的好，也有朋友會(huì)時(shí)不時(shí)的這樣問(wèn)候我...
    孤帆子閱讀 124評(píng)論 0贊 2
  • 哈啰课梳！各位小伙伴們好跨算，這個(gè)年假是不是在家過(guò)得特別漫長(zhǎng)而枯燥呀诸蚕。雖然一個(gè)個(gè)口口聲聲說(shuō)著要上班，可是一到上班時(shí)間卻渾身...
    莫云箋閱讀 1,177評(píng)論 0贊 0