在Elastic Search中索引以逗号分隔的值字段

Z时代
2024-01-10
分类：问答

我正在使用Nutch爬行网站并将其编入Elastic搜索中。我的网站有元标记，其中一些包含逗号分隔的ID列表（我打算将其用于搜索）。例如：

contentTypeIds =“ 2,5,15”。（注意：没有方括号）。

当ES对此进行索引时，我无法搜索contentTypeIds：5并找不到其contentTypeIds 包含

5的文档；此查询仅返回其contentTypeIds恰好为“ 5”的文档。但是，我确实想查找其contentTypeIds包含5的文档。

在Solr中，这可以通过在schema.xml中将contentTypeIds字段设置为multiValued =“

true”来解决。我找不到如何在ES中执行类似的操作。

我是ES的新手，所以我可能错过了一些东西。谢谢你的帮助！

回答：

创建自定义分析器，该分析器将用逗号将索引文本分成标记。

然后，您可以尝试搜索。如果您不关心相关性，则可以使用过滤器搜索文档。我的示例显示了如何尝试使用术语过滤器进行搜索。

在下面，您可以找到如何使用Sense插件执行此操作。

DELETE testindex
PUT testindex
{
    "index" : {
        "analysis" : {
            "tokenizer" : {
                "comma" : {
                    "type" : "pattern",
                    "pattern" : ","
                }
            },
            "analyzer" : {
                "comma" : {
                    "type" : "custom",
                    "tokenizer" : "comma"
                }
            }
        }
    }
}
PUT /testindex/_mapping/yourtype
{
        "properties" : {
            "contentType" : {
                "type" : "string",
                "analyzer" : "comma"
            }
        }
}
PUT /testindex/yourtype/1
{
    "contentType" : "1,2,3"
}
PUT /testindex/yourtype/2
{
    "contentType" : "3,4"
}
PUT /testindex/yourtype/3
{
    "contentType" : "1,6"
}
GET /testindex/_search
{
    "query": {"match_all": {}}
}
GET /testindex/_search
{
    "filter": {
        "term": {
           "contentType": "6"
        }
    }
}