Question

我们正试图使用Elasticsearch为大量书籍（大约100.000.000个单词）编制索引。以前每个单词都有一个ID，这里用HTML表示：

<span class="w" id="lb441882_1235">A</span> 
<span class="w" id="lb441882_1237">cold</span> 
<span class="w" id="lb441882_1239">morning</span>

我们需要在搜索语料库时检索这些ID。 到目前为止我们有什么：

我们使用定界有效载荷过滤器：
```
{
    "type" : "delimited_payload_filter",
    "encoding" : "identity",
    "delimiter" : "|"
}
```
将文字存储为token|ID，例如A|lb441882_1235 cold|lb441882_1237 morning|lb441882_1239

将有效负载返回到突出显示搜索结果中的<em>标记内，然后手动拆分|。

'highlight': {'text': ['A|lb441882_1235 <em>cold|lb441882_1237</em> morning|lb441882_1239']}

由于需要手动清洁，这看起来很麻烦，但我们还没有找到更整洁的解决方案。

问题：

Q1。有没有更好的方法来对有效负载文本运行查询，该结果会在其自己的字段中提供有效负载数据？理想情况下，hightlight会提供偏移索引和有效负载数据，而不是输出html标记，理想情况某些看起来更像_termvectors的数据（在此示例中）：

{
    "highlight": [
        {
            "hit" : "cold",
            "position" : 1,
            "start_offset" : 2,
            "end_offset" : 6,
            "payload" : "lb441882_1237"
        }
    ]
}

有没有这样的东西？

Q2。有效载荷是否是实现此目的的最佳方式，还是我们应该更加关注自定义分析仪？我们已经查看了本文链接的插件，但无法安装它： https://discuss.elastic.co/t/can-elastic-run-complex-search-using-annotated-tokens/29630/6

在Elasticsearch

0 个答案: