Elasticsearch的DSL搜索

一、数据准备

1.创建对应的索引库
2.给索引库创建对应的映射

{"properties": {"id": {"type": "long"},"age": {"type": "integer"},"username": {"type": "keyword"     // 该字段不会被分词，如果需要查询输入的内容必须和字段内容一致},"nickname": {"type": "text","analyzer": "ik_max_word"        //ik分词器的分词策略},"money": {"type": "float"},"desc": {"type": "text","analyzer": "ik_max_word"},"sex": {"type": "byte"},"birthday": {"type": "date"},"face": {"type": "text","index": false     // 不以该字段内容作为索引进行查询}}
}

3.录入对应的数据（这里就提供一条样例）

{"id": 1001,"age": 12,"username": "justsoso","nickname": "阿童木","money": "34.1","desc": "铁臂阿童木拯救世界","sex": 1,"birthday": "1997-12-22","face": "https://www.bejson.com/kuaikuai.php"
}

4.使用QueryString方式进行搜索

5.使用DSL方式查询数据

根据词语搜索对应的内容

{"query": {"match": {"desc": "詹姆斯"}}
}

判断字段是否存在，存在的话就返回对应的内容,没有的话就返回空

{"query": {"exists": {"field": "username"}}
}

查询索引库中的所有数据

{"query": {"match_all": {}}
}

自定义返回的字段

{"query": {"match_all": {}},"_source": ["id","nickname","age"]
}

自定义返回的字段，并且设置分页

{"query": {"match_all": {}},"_source": ["id","nickname","age"],"from": 0,"size": 10
}

使用term方式搜索，例如我们在IK分词器中设置：詹姆斯，詹，姆斯；三个词语，如果我们使用match搜索这个词语就会被分成上面三个词语进行搜索，如过使用term该词条就不会被进行分词搜索

{"query": {"term": {"desc": "詹姆斯"}}
}

使用term来进行多个词条搜索

{"query": {"terms": {"desc": ["詹姆斯", "哪吒", "VAVA"]}}
}

match_phrase搜索，在query中写的内容，对应的内容同时要包含 “我们” 和 “热爱”，并且包含内容必须是“我们热爱”,如果是 “热爱我们”，或者是中间有别的字在例如“我们的热爱”，就搜索不到，

{"query": {"match_phrase": {"desc": {"query": "我们 热爱"}}},"_source": ["id","nickname","desc"]
}

match_phrase搜索，使用slop跳过字段搜索到对应的内容，例如的搜索条件是：“我们大学”，目标内容是：“我们热爱学习，所以我要上大学”，正常来时是搜索不到的，因为这两个词语之间隔了8个字，但是我们可以使用 slop，例如：“slop”: 8，他的意思就是跳过8个字，刚好是间隔变为0个字，就可以正常命中目标了

{"query": {"match_phrase": {"desc": {"query": "我们 大学","slop": 8}}},"_source": ["id","nickname","desc"]
}

match搜索的扩展"or"和"and"，当operator是"and"的时候，就必须两个词条必须都存在某条数据中，没有顺序要求，如果是"or"的话就只需要有一个词条匹配到就可以了

{    "query": {"match": {"desc": {"query": "我们 詹姆斯","operator": "and"}}}
}

match搜索的扩展"minimum_should_match"，可以设置匹配度和匹配的格式，例如"我们真的很喜欢詹姆斯打篮球"，这句话作为搜索条件，会被进行分词，如果minimum_should_match设置为60%，就是，索引库中的文档分词后和搜索条件的词条匹配度能达到60%就算是命中目标，或者minimum_should_match也可以是 1，就是目标和搜索词条的分词只有有1个一致，就算符合条件

{    "query": {"match": {"desc": {"query": "我们 大学","minimum_should_match": 1}}}
}

match搜索的扩展"ids"，通过id数组查询数据

{    "query": {"ids": {"type": "_doc","values": ["1001", "1003", "1011"]}}
}

一个查询条件同时从两个字段中查询内容,还可以设置boost权重，权重越高，他的展示的排名越靠前，如果desc的文字内容比nickname的文字内容多，desc的权重会比nickname高，如果我们需要nickname权重增加可以通过"^{"进行操作，"}10"权重增加10

{    "query": {"multi_match": {"query": "詹姆斯","fields": ["desc", "nickname^10"]}}
}

bool查询：must；multi_match和term是两个查询条条件，must就表示内容只有同时符合这两个条件才能被查出来

{    "query": {"bool": {"must": [{"multi_match": {"query": "詹姆斯","fields": ["desc", "nickname"]}},{"term": {"sex": 1}}]}},"_source": ["id","sex","nickname","desc"]
}

bool查询：should；multi_match和term是两个查询条条件，should就表示内容只要满足其中一个内容就能被查询出来

{    "query": {"bool": {"should": [{"multi_match": {"query": "詹姆斯","fields": ["desc", "nickname"]}},{"term": {"sex": 1}}]}},"_source": ["id","sex","nickname","desc"]
}

bool查询：must_not；multi_match和term是两个查询条条件，must_not都不满足这两个条件就能被查询出来

{    "query": {"bool": {"must_not": [{"multi_match": {"query": "詹姆斯","fields": ["desc", "nickname"]}},{"term": {"sex": 1}}]}},"_source": ["id","sex","nickname","desc"]
}

bool查询的组合查询，must里的条件必须存在，should中的条件可有可无，must_not的条件必须不存在

{    "query": {"bool": {"must": [{"match": {"desc": "詹姆斯"}}],"should": [{"match": {"sex": 0}}],"must_not": [{"term": {"birthday": "1992-12-12"}}]}},"_source": ["id","sex","nickname","desc"]
}

bool查询的组合查询，设置权重:“boost”: 2；权重越大排序越靠前

{    "query": {"bool": {"should": [{"match": {"desc": {"query": "詹姆斯","boost": 2}}},{"match": {"desc": {"query": "大学","boost": 20}}}]}},"_source": ["id","sex","nickname","desc"]
}

过滤器：post_filter；先通过query检索出对应的内容再通过post_filter过滤器过滤掉不符合条件的内容；（gt: 大于；lt: 小于；gte：大于等于；lte：小于等于）

{"query": {"match": {"desc": "詹姆斯"}},"post_filter": {"range": {"money": {"gt": 0,"lt": 1000}}}
}

排序：sort；asc：升序，desc：降序

{"query": {"match": {"desc": "詹姆斯"}},"sort": [{"money": "desc"},{"age": "asc"}]
}

使用text类型进行排序是会报错的，如果一定要使用text进行排序就需要给他添加一个新的属性：keyword

1.创建对应属性的索引库和映射

{"properties": {"id": {"type": "long"},"nickname": {"type": "text","analyzer": "ik_max_word","fields": {"keyword": {"type": "keyword"}}}}
}

2.插入数据（只举一条例子）

{"id": 1001,"nickname": "詹姆斯"
}

使用nickname的keyword属性进行排序

{"sort": [{"nickname.keyword": "desc"}]
}

搜索高亮显示，拼装分词的前后缀，pre_tags：前缀；post_tags：后缀

{"query": {"match": {"desc": "詹姆斯"}},"highlight": {"pre_tags": ["<span>"],"post_tags": ["</span>"],"fields": {"desc": {}}}
}