Я не могу понять, как искать слова со специальными символами.ElasticSearch и специальные символы
К примеру, у меня есть два документа:
1) Мы ищем C++ и разработчики C#
2) Мы ищем разработчиков C
Я хочу только, чтобы найти документ, содержащий C++
,
Код для создания индекса, документов и поиска:
from elasticsearch import Elasticsearch
from elasticsearch.helpers import scan
ELASTIC_SEARCH_NODES = ['http://localhost:9200']
INDEX = 'my_index'
DOC_TYPE = 'material'
def create_index():
data = {
"settings": {
"analysis": {
"analyzer": {
"my_analyzer": {
"type": "custom",
"filter": [
"lowercase"
],
"tokenizer": "whitespace",
}
}
}
}
}
print es_client.indices.create(index=INDEX, body=data)
def create_doc(body):
if es_client.exists(INDEX, DOC_TYPE, body['docid']):
es_client.delete(INDEX, DOC_TYPE, body['docid'])
print es_client.create(index=INDEX, doc_type=DOC_TYPE, body=body, id=body['docid'])
def find_doc(value):
results_generator = scan(es_client,
query={"query": {
"match_phrase" : {
"text" : value
}
}},
index=INDEX
)
return results_generator
if __name__ == '__main__':
es_client = Elasticsearch(ELASTIC_SEARCH_NODES, verify_certs=True)
# create_index()
doc1 = {"docid": 1, 'text': u"We are looking for C developers"}
doc2 = {"docid": 2, 'text': u"We are looking for C++ and C# developers"}
# create_doc(doc1)
# create_doc(doc2)
for r in find_doc("C++"):
print r
Результат поиска (если я escape+
("C\+\+"
), то результат будет таким же):
{u'_score': 0.0, u'_type': u'material', u'_id': u'2', u'_source': {u'text': u'We are looking for C++ and C# developers', u'docid': 2}, u'_index': u'my_index'}
{u'_score': 0.0, u'_type': u'material', u'_id': u'1', u'_source': {u'text': u'We are looking for C developers', u'docid': 1}, u'_index': u'my_index'}
Кажется, что такой результат получается потому, что при делении на символы токенов, как +
и #
not indexed, и по сути, он ищет документы, в которых есть символ C
:
curl 'http://localhost:9200/my_index/material/_search?pretty=true' -d '{
"query" : {
"match_all" : { }
},
"script_fields": {
"terms" : {
"script": "doc[field].values",
"params": {
"field": "text"
}
}
}
}'
Результат:
{
"took" : 3,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"failed" : 0
},
"hits" : {
"total" : 2,
"max_score" : 1.0,
"hits" : [ {
"_index" : "my_index",
"_type" : "material",
"_id" : "2",
"_score" : 1.0,
"fields" : {
"terms" : [ "and", "are", "c", "developers", "for", "looking", "we" ]
}
}, {
"_index" : "my_index",
"_type" : "material",
"_id" : "1",
"_score" : 1.0,
"fields" : {
"terms" : [ "are", "c", "developers", "for", "looking", "we" ]
}
}]
}
}
Как эта проблема может быть решена? Второй вопрос, связанный с предыдущим: можно ли искать только не буквенно-цифровые символы, такие как %
или +
?
P.S. Я использую Elastic 2.3.2 и elasticsearch = 2.3.0.
Я имею в виду, это очевидно, да, оно было проиндексировано таким образом, чтобы опустить ++ и #, и, конечно же, позже вы сможете найти их обоих. Я не уверен, получаю ли я весь код python, но похоже, что вы не настроили ваш анализатор для работы с вашим полем – Mysterion