如何在带有和不带有whitespces的python中的Elasticsearch中应用搜索答案

【问题标题】：How to apply search in Elasticsearch in python with and without whitespces如何在带有和不带有whitespces的python中的Elasticsearch中应用搜索
【发布时间】：2018-02-26 00:45:42
【问题描述】：

我正在 python 中使用 ElasticSearch 构建搜索系统。我加载了一个 csv 并创建了一个搜索索引。

from elasticsearch import helpers, Elasticsearch
import csv

es = Elasticsearch()

with open('/Users/anubhav/Office/elasticsearch-5.6.0/all_products.csv') as f:
    reader = csv.DictReader(f)
    helpers.bulk(es, reader, index='product-index', doc_type='product-index')

es.indices.create(
    index='product-index',
    body={
      "settings": {
        "analysis": {
          "analyzer": {
            "my_analyzer": {
              "tokenizer": "my_tokenizer"
            }
          },
          "tokenizer": {
            "my_tokenizer": {
              "type": "edge_ngram",
              "min_gram": 2,
              "max_gram": 10,
              "token_chars": [
                "letter",
                "digit",
                "whitespace"
              ]
            }
          }
        }
      }
    },
    # Will ignore 400 errors, remove to ensure you're prompted
    ignore=400
)

response = es.search(
index='product-index',
body={
    "query": {
        "match": {
            "product": "PD5MP2 price"
        }
    },
    "aggs": {
        "top_10_states": {
            "terms": {
                "field": "state",
                "size": 10
            }
        }
    }
}
)

print response

csv 看起来像：

当我搜索时：

res = es.search(index="product-index", doc_type="product-index", body={"query": {"match": {"product": "DD 350"}}})

这很好用，因为确切的产品在 CSV 中。但是当我将查询更改为

res = es.search(index="product-index", doc_type="product-index", body={"query": {"match": {"product": "DD350"}}})

它不起作用。有人可以帮我解决这个问题吗？

【问题讨论】：

标签： python csv elasticsearch

【解决方案1】：

默认情况下，Elasticsearch 使用Standant Tokenizer 将文本划分为单词边界上的术语，由 Unicode 文本分割算法定义。这意味着DD 350 将被标记为DD, 350。当您搜索时，搜索关键字也将被标记为相同的标记器。因此，当您搜索 DD 350 时，Elasticsearch 将同时查找 DD 和 350 并且两者都在您的索引中。但是当您搜索DD350 时，Elasticsearch 将无法找到它的索引。您应该检查tokenizers 及其用法。

【讨论】：

我已经用我正在使用的当前代码更新了这个问题。但是当我删除设置中的“忽略 400”行时，它给了我一个错误，说“索引已经存在”。你能不能也给我推荐一下这个标记器？