Question

我对ElasticSearch比较陌生。我用它作为pdf文档的搜索平台。我将PDF分解为文本页面，并将其作为elasticSearch记录输入，并附上相应的页面ID，父信息等。

我发现难以将给定查询不仅与ES中的单个文档匹配，而且使其与具有相同父ID的任何文档匹配。因此，如果搜索了两个术语，如果实际PDF文档的第1页和第7页中存在术语（ES中有2个单独的条目），我想匹配此结果。

基本上我的目标是能够搜索单个PDF的多个页面，在PDF中的任何文档页面上进行匹配，并返回搜索结果的匹配PDF文档列表，而不是匹配“页面”

Answer 1

您需要在页面上使用“has_child”查询。我假设您已经定义了文档和页面的父/子关系的映射。然后你可以编写一个“has_child”查询来搜索页面（子类型）但返回PDF文档（父类型）：

{
  "query": {
    "has_child": {
      "type": "your_pages_type",
      "score_type": "max", // read document for more
      "query": {
        "query_string": {
          "query": "some text to search",
          "fields": [
            "your_pages_body"
          ],
          "default_operator": "and" // "and" if you want to search all words, "or" if you want to search any of words in query
        }
      }
    }
  }
}

Answer 2

这有点棘手。首先，您必须自己将查询拆分为术语。有一个术语列表（比如说foo，bar和baz，你可以创建一个bool查询来反对表示PDF的类型（父类型）：

{
    "bool" : {
        "must" : [{
            "has_child" : {
                "type": "page",
                "query": {
                    "match": {
                        "page_body": "foo"
                    }
                }
            }
        }, {
            "has_child" : {
                "type": "page",
                "query": {
                    "match": {
                        "page_body": "bar"
                    }
                }
            }
        }, {
            "has_child" : {
                "type": "page",
                "query": {
                    "match": {
                        "page_body": "baz"
                    }
                }
            }
        }]
   }
}

此查询将为您找到每个术语至少包含一个页面的所有PDF。

使用ElasticSearch匹配多个文档

2 个答案: