arrays - 从elasticsearch查询中获取指定的数组元素个数

Question

我有一个关于Elasticsearch的索引，该索引的记录中有一个数组。
假设字段名称为“样本”，数组为:

["abc","xyz","mnp".....]

那么是否有任何查询，以便我可以指定要从数组中检索的元素编号。
说我希望检索到的记录在样本数组中应该只包含前2个元素

Answer 1

假设您将字符串数组作为文档。我有两个想法可能会对您有所帮助。

PUT /arrayindex/
{
  "settings": {
    "index": {
      "analysis": {
        "analyzer": {
          "spacelyzer": {
            "tokenizer": "whitespace"
          },
          "commalyzer": {
            "type": "custom",
            "tokenizer": "commatokenizer",
            "char_filter": "square_bracket"
          }
        },
        "tokenizer": {
          "commatokenizer": {
            "type": "pattern",
            "pattern": ","
          }
        },
        "char_filter": {
          "square_bracket": {
            "type": "mapping",
            "mappings": [
              "[=>",
              "]=>"
            ]
          }
        }
      }
    }
  },
  "mappings": {
    "array_set": {
      "properties": {
        "array_space": {
          "analyzer": "spacelyzer",
          "type": "string"
        },
        "array_comma": {
          "analyzer": "commalyzer",
          "type": "string"
        }
      }
    }
  }
}

POST /arrayindex/array_set/1
{
  "array_space": "qwer qweee trrww ooenriwu njj"
}

POST /arrayindex/array_set/2
{
  "array_comma": "[qwer,qweee,trrww,ooenriwu,njj]"
}

上面的DSL接受两种类型的数组，一种是用空格分隔的字符串，其中每个字符串代表一个数组的元素，另一种是您指定的一种数组。这是数组，在Python中是可能的，在python中，如果您为这样的文档建立索引，它将自动转换为字符串，即 ["abc","xyz","mnp".....]将转换为 "["abc","xyz","mnp".....]"。
spacelyzer根据空格标记化， commalyzer根据逗号标记化，并从字符串中删除 [ and ]。

现在，如果您使用如下的Termvector API:

GET arrayindex/array_set/1/_termvector
{
  "fields" : ["array_space", "array_comma"],
  "term_statistics" : true,
  "field_statistics" : true
}

GET arrayindex/array_set/2/_termvector
{
  "fields" : ["array_space", "array_comma"],
  "term_statistics" : true,
  "field_statistics" : true
}

您可以简单地从他们的响应中获取元素的位置，例如查找 "njj"使用的位置

termvector_response["term_vectors"]["array_comma"]["terms"]["njj"]["tokens"][0]["position"]或

termvector_response["term_vectors"]["array_space"]["terms"]["njj"]["tokens"][0]["position"]

两者都会给你 4，它是指定数组中的实际索引。我建议您使用 whitespace类型设计。

用于此的Python代码可以是:

from elasticsearch import Elasticsearch

ES_HOST = {"host" : "localhost", "port" : 9200}
ES_CLIENT = Elasticsearch(hosts = [ES_HOST], timeout = 180)

def getTermVector(doc_id):
    a = ES_CLIENT.termvector\
        (index = "arrayindex",
            doc_type = "array_set",
            id = doc_id,
            field_statistics = True,
            fields = ['array_space', 'array_comma'],
            term_statistics = True)
    return a

def getElements(num, array_no):
    all_terms = getTermVector(array_no)['term_vectors']['array_space']['terms']
    for i in range(num):
        for term in all_terms:
            for jsons in  all_terms[term]['tokens']:
                if jsons['position'] == i:
                    print term, "@ index", i


getElements(3, 1)

# qwer @ index 0
# qweee @ index 1
# trrww @ index 2