我正在尝试获取与查询匹配的文档中的令牌总数。我还没有定义任何自定义映射，并且我想要获取令牌计数的字段是“字符串”类型。
我尝试了以下查询，但它给出了一个非常大的数字，大约为 10^20，这不是我的数据集的正确答案。
curl -XPOST 'localhost:9200/nodename/comment/_search?pretty' -d '
{
"query": {
"match_all": {}
},
"aggs": {
"tk_count": {
"sum": {
"script": "_index[\"body\"].sumttf()"
}
}
},
"size": 0
}
知道如何获得所有令牌的正确计数吗？ （我不需要每个学期的计数，而是总计数）。
【问题讨论】：
标签： elasticsearch elasticsearch-py
这对我有用，是你需要的吗？
我的解决方案stores the token count on indexing using the token_count datatype. 不是在查询中获取令牌计数（使用tk_count 聚合，如另一个答案中所建议的那样），以便我可以在查询结果中返回“name.stored_length”值。
token_count 是一个“多字段”，它一次只能处理一个字段（即“名称”字段或“正文”字段）。我将示例稍微修改为 store "name.stored_length"
请注意，在我的示例中，它确实不计算令牌的基数（即不同的值），它计算总令牌； “John John Doe”中有 3 个标记； "name.stored_length"===3; （即使它的计数不同的标记只有 2）。注意我要求具体的"stored_fields" : ["name.stored_length"]
最后，您可能需要重新更新您的文档（即发送PUT），或任何技术来获得您想要的值！在这种情况下，我PUT“John John Doe”，即使它在 elasticsearch 中已经是POST/PUT；直到PUT 再次，在将令牌添加到映射之后，令牌才被计算在内。！）
PUT test_token_count
{
"mappings": {
"_doc": {
"properties": {
"name": {
"type": "text",
"fields": {
"stored_length": {
"type": "token_count",
"analyzer": "standard",
//------------------v
"store": true
}
}
}
}
}
}
}
PUT test_token_count/_doc/1
{
"name": "John John Doe"
}
现在我们可以查询或搜索结果，并将结果配置为包含name.stored_length 字段（它既是多字段又是存储字段！）：
GET/POST test_token_count/_search
{
//------------------v
"stored_fields" : ["name.stored_length"]
}
并且搜索结果应包括令牌总数为named.stored_length...
{
...
"hits": {
...
"hits": [
{
"_index": "test_token_count",
"_type": "_doc",
"_id": "1",
"_score": 1,
"fields": {
//------------------v
"name.stored_length": [
3
]
}
}
]
}
}
【讨论】：
您似乎想在正文字段中检索 cardinality 的总令牌。
在这种情况下，您可以像下面这样使用cardinality aggregation。
curl -XPOST 'localhost:9200/nodename/comment/_search?pretty' -d '
{
"query": {
"match_all": {}
},
"aggs": {
"tk_count": {
"cardinality" : {
"field" : "body"
}
}
},
"size": 0
}
【讨论】：