搜索引擎–elasticsearch python客户端pyes 建立索引和搜索

主机环境:Ubuntu 13.04

Python版本：2.7.4

转载请标明：http://blog.yanming8.cn/archives/118

官方站点：http://www.elasticsearch.com/

中文站点：http://es-cn.medcl.net/

下面一段介绍引用自中文站点：

好吧，假如你建了一个web站点或者是一个应用程序，你就可能会需要添加搜索功能（因为这太有必要了），而事实上让搜索跑起来是有难度的，我们不仅想要搜索的速度快，而且还要安装方便（最好是无痛安装），另外模式定义要非常自由（schema free），可以通过HTTP以JSON格式的数据来进行索引，服务器必须是一直可用的（HA高可用，这个不能丢），从一台机器能够扩展到成千上万台，然后搜索必须是实时的（real-time），使用起来一定要简单、支持多租户，我们需要一整套的解决方案，并且是为云构建的。
“让搜索更简单”，这是我们的宣言，“并且要酷，像盆景一样”
elasticsearch的目标是解决上面的所有问题以及更多。她是开源的（Apache2协议），分布式的，RESTful的，构建在Apache Lucene之上的的搜索引擎.

1 、分布式服务器的安装：

首先下载http://www.elasticsearch.org/download/，选择合适的版本安装，这里直接下载了适合ubuntu的DEB包，下载完成后直接dpkg命令安装。安装完成后可以通过

sudo service elasticsearch start

来启动服务。

2、安装pyes客户端

使用命令

1 pip install pyes

安装elasticsearch的python的组件。

3、安装pyes的中文分词组件

直接下载https://github.com/medcl/elasticsearch-rtf/blob/master/elasticsearch/plugins/analysis-ik/elasticsearch-analysis-ik-1.2.2.jar中文分词组件

然后移动的elasticsearch的安装目录/usr/share/elasticsearch/analysis-ik/,

修改配置文件/etc/elasticsearch/elasticsearch.yml

设置插件的路径

path.plugins: /usr/share/elasticsearch/plugins

并添加分词组建配置

1 index:
2 analysis:
3 analyzer:
4 ik:
5 alias: [ik_analyzer]
6 type: org.elasticsearch.index.analysis.IkAnalyzerProvider

最后下载IK分词使用的词典

• cd /etc/elasticsearch
• wget http://github.com/downloads/medcl/elasticsearch-analysis-ik/ik.zip –no-check-certificate
• unzip ik.zip
• rm ik.zip

重启elasticsearch服务即可。

4、建立索引

01 #!/usr/bin/env python
02 #-*- coding:utf-8-*-
03 importos
04 importsys
05 frompyesimport*
06
07 INDEX_NAME='txtfiles'
08
09 classIndexFiles(object):
10 def__init__(self,root):
11 conn=ES('127.0.0.1:9200', timeout=3.5)#连接ES
12 try:
13 conn.delete_index(INDEX_NAME)
14 #pass
15 except:
16 pass
17 conn.create_index(INDEX_NAME)#新建一个索引
18
19 #定义索引存储结构
20 mapping={u'content': {'boost':1.0,
21 'index':'analyzed',
22 'store':'yes',
23 'type': u'string',
24 "indexAnalyzer":"ik",
25 "searchAnalyzer":"ik",
26 "term_vector":"with_positions_offsets"},
27 u'name': {'boost':1.0,
28 'index':'analyzed',
29 'store':'yes',
30 'type': u'string',
31 "indexAnalyzer":"ik",
32 "searchAnalyzer":"ik",
33 "term_vector":"with_positions_offsets"},
34 u'dirpath': {'boost':1.0,
35 'index':'analyzed',
36 'store':'yes',
37 'type': u'string',
38 "indexAnalyzer":"ik",
39 "searchAnalyzer":"ik",
40 "term_vector":"with_positions_offsets"},
41 }
42
43 conn.put_mapping("test-type", {'properties':mapping}, [INDEX_NAME])#定义test-type
44
45 self.addIndex(conn,root)
46
47 conn.default_indices=[INDEX_NAME]#设置默认的索引
48 conn.refresh()#刷新以获得最新插入的文档
49
50 defaddIndex(self,conn,root):
51 printroot
52 forroot, dirnames, filenamesinos.walk(root):
53 forfilenameinfilenames:
54 ifnotfilename.endswith('.txt'):
55 continue
56 print"Indexing file ", filename
57 try:
58 path=os.path.join(root,filename)
59 file=open(path)
60 contents=unicode(file.read(),'utf-8')
61 file.close()
62 iflen(contents) >0:
63 conn.index({'name':filename,'dirpath':root,'content':contents},INDEX_NAME,'test-type')
64 else:
65 print'no contents in file %s',path
66 exceptException,e:
67 printe
68
69 if__name__=='__main__':
70 IndexFiles('./txtfiles')

5、搜索并高亮显示

01 #!/usr/bin/env python
02 #-*- coding:utf-8 -*-
03
04 importos
05 importsys
06 frompyesimport*
07
08 conn=ES('127.0.0.1:9200', timeout=3.5)#连接ES
09 sq=StringQuery(u'世界末日','content')
10 h=HighLighter(['<b>'], ['</b>'], fragment_size=20)
11
12 s=Search(sq,highlight=h)
13 s.add_highlight("content")
14 results=conn.search(s,indices='txtfiles',doc_types='test-type')
15
16 list=[]
17 forrinresults:
18 if(r._meta.highlight.has_key("content")):
19 r['content']=r._meta.highlight[u"content"][0]
20 list.append(r)
21 printr['content']
22 printlen(list)