Elasticsearch(三) Python 使用 elasticsearch 的基本操作

参考文章：https://cuiqingcai.com/6214.html

一. python 安装 elasticsearch标准库

1. pip install elasticsearch

2. 中文分词插件：

elasticsearch默认是英文分词器，所以我们需要安装一个中文分词插件elasticsearch-analysis-ik （注意和elasticsearch的版本对应），安装之后重新启动 Elasticsearch 自动加载安装好的插件 :

elasticsearch-plugin?install?https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v6.5.4/elasticsearch-analysis-ik-6.5.4.zip??

（这里的版本号请替换成你的 Elasticsearch 的版本号。）

二.elasticsearch 相关概念

Elasticsearch 基本的概念，如节点、索引、文档等等

1. Node &Cluster

单个 Elasticsearch 实例称为一个节点（Node）；

一组节点构成一个集群（Cluster）。

2. Index

Elasticsearch 数据管理的顶层单位就叫做 Index（索引）；

相当于 MySQL、MongoDB 等里面的数据库的概念；

注意：每个 Index （即数据库）的名字必须是小写。

3. Document

Index 里面单条的记录称为 Document（文档）；

Document 使用 JSON 格式表示；

同一个 Index 的Document，不要求有相同的结构（scheme），但最好保持相同，有利于提高搜索效率。

4.Type

Document 可以分组，这种分组就叫做 Type；

它是虚拟的逻辑分组，用来过滤 Document，类似 MySQL 中的数据表，MongoDB 中的 Collection；

不同的 Type 应有相似的结构。（根据规划 Elastic 6.x 版只允许每个 Index 包含一个 Type，7.x 版将会移除 Type。）

5.Fields

即字段，每个 Document 都类似一个 JSON 结构，它包含了许多字段，每个字段都有其对应的值；

可以类比 MySQL 数据表中的字段。

二. python 操作 elasticsearch

1. 创建 Index – es.indices.create(index=’ ')

即字段，每个 Document 都类似一个 JSON 结构，它包含了许多字段，每个字段都有其对应的值；

可以类比 MySQL 数据表中的字段。

2.删除 Index – es.indices.delete(index=‘news’)

result = es.indices.delete(index='news', ignore=[400, 404])
print(result)

3.插入数据 – es.create() & es.index()

es.indices.create(index='news', ignore=400)
 
data = {'title': '美国留给伊拉克的是个烂摊子吗', 'url': 'http://view.news.qq.com/zt2011/usa_iraq/index.htm'}

# 方法一：es.create()  手动指定 id 唯一标识
result = es.create(index='news', doc_type='politics', id=1, body=data)
print(result)

# 方法二：es.index()  自动生成id
es.index(index='news', doc_type='politics', body=data)

4.更新数据

data = {
    'title': '美国留给伊拉克的是个烂摊子吗',
    'url': 'http://view.news.qq.com/zt2011/usa_iraq/index.htm',
    'date': '2011-12-16'
}
result = es.update(index='news', doc_type='politics', body=data, id=1)
print(result)

# 第二种方法：index  -- 数据不存在，增加; 如果已经存在，更新
es.index(index='news', doc_type='politics', body=data, id=1)

5.删除数据

# delete -- 指定对应的id 
result = es.delete(index='news', doc_type='politics', id=1)
print(result)

**6.查询数据 --**优势：其异常强大的检索功能

新建一个索引并指定需要分词的字段, 更新mapping 信息

from?elasticsearch?import?Elasticsearch

es?=?Elasticsearch()
mapping?=?{
????'properties':?{
????????'title':?{
????????????'type':?'text',
????????????'analyzer':?'ik_max_word',
????????????'search_analyzer':?'ik_max_word'
????????}
????}
}
es.indices.delete(index='news',?ignore=[400,?404])
es.indices.create(index='news',?ignore=400)

# 设置mapping 信息：指定字段的类型 type 为 text，分词器 analyzer 和 搜索分词器 search_analyzer 为 ik_max_word，即中文分词插件，默认的英文分词器。
result?=?es.indices.put_mapping(index='news',?doc_type='politics',?body=mapping)
print(result)

插入几条新的数据

datas = [
    {
        'title': '美国留给伊拉克的是个烂摊子吗',
        'url': 'http://view.news.qq.com/zt2011/usa_iraq/index.htm',
        'date': '2011-12-16'
    },
    {
        'title': '公安部：各地校车将享最高路权',
        'url': 'http://www.chinanews.com/gn/2011/12-16/3536077.shtml',
        'date': '2011-12-16'
    },
    {
        'title': '中韩渔警冲突调查：韩警平均每天扣1艘中国渔船',
        'url': 'https://news.qq.com/a/20111216/001044.htm',
        'date': '2011-12-17'
    },
    {
        'title': '中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首',
        'url': 'http://news.ifeng.com/world/detail_2011_12/16/11372558_0.shtml',
        'date': '2011-12-18'
    }
]
 
for data in datas:
    es.index(index='news', doc_type='politics', body=data)

查询 --根据关键词查询一下相关内容

result = es.search(index='news', doc_type='politics')
print(result)    # 返回所有结果

检索 – 全文检索

# 使用 DSL 语句来进行查询： match 指定全文检索，检索字段 title，检索内容 “中国领事馆”
dsl = {
    'query': {
        'match': {
            'title': '中国 领事馆'
        }
    }
}
 
es = Elasticsearch()
result = es.search(index='news', doc_type='politics', body=dsl)
print(json.dumps(result, indent=2, ensure_ascii=False))

返回的检索结果有两条，第一条的分数为 2.54，第二条的分数为 0.28。这是因为第一条匹配的数据中含有“中国”和“领事馆”两个词，第二条匹配的数据中不包含“领事馆”，但是包含了“中国”这个词，所以也被检索出来了，但是分数比较低。

检索结果会按照检索关键词的相关性进行排序，这就是一个基本的搜索引擎雏形。

====== 拓展 – 高级查询 ======

# ElasticSearch Search apis
1. query: 条件查询 -->  
?        match: 分词查询，评分机制打分； 
?        term: 不分词查询；
         Bool: 真值查询,通常和must/should/mustnot一起组合； 
         range: 指定字段在某个特定范围，然后查询
?        match_phrase: 查询指定段落？；         
2. size: 输出的数据条数
3. sort: 指定字段排序显示
4. _source: 指定输出的字段
5. from: 开始的偏移量
6. to"： 结束位置
7. aggs: 聚合复杂查询
8. scrapt_fields: 脚本运算查询?

…

参考文章：https://cuiqingcai.com/6214.html

相关拓展：https://cuiqingcai.com/6255.html

https://elasticsearch-py.readthedocs.io/en/master/

------------- END --------------