python - Elasticsearch-根据 'hit'返回结果，而不是文档

Question

我对ES非常陌生，

我正在使用ingest-attachments-processor-plugin和elasticsearch为pdf图书编制索引，以PER命中而不是结果PER文档的形式返回查询结果。例如，如果我要为几本pdf图书编制索引，我想大致返回每次匹配发生的段落，这样，如果1个文档中有3个匹配项，则应该有3个结果(段落)，而另一个文档中有2个匹配项文件也应该全部打5次。目的是创建一个从这些书中检索正确答案的工具。

1)elasticsearch有可能吗？ Solr能够解决这个问题吗？
2)如何获得返回段落的信息，我不认为ES理解句子结构吗？是否有插件？
3)我是否应该按段落解析文档(就像Watson使用文档转换API对答案单元进行解析)，然后索引到ES中？

这是我当前在python中使用的查询:

def execute_es_query(query_input, index, doc_type):
body_query = {
    "stored_fields": [],
    "query": {
        "query_string": {
            "default_field": "attachment.content",
            "query": query_input
        }
    },
    "highlight": {
        "pre_tags": "<span>",
        "post_tags": "</span>",
        "fields": {
            "attachment.content":{}
        }
    }
}
response = es_client.search(index= index, doc_type = doc_type, body = body_query)
return response['hits']['hits']

def fetch_response(response):
num = 1
for i in response:
    print "Result:", num
    for j in i['highlight']['attachment.content']:
        print j
    print "\n"
    num+=1

Answer 1

如果将段落存储为nested或child文档，则可以使用inner-hits feature。

来自文档:

{
  "query" : {
    "nested" : {
      "path" : "attachment",
        "query_string": {
          "default_field": "attachment.content",
          "query": query_input
         }
         "inner_hits" : {} 
       }
     }
}

然后，响应将在每个返回的文档中包含一个名为 inner_hits的字段，其中包含每个返回的文档的匹配段落。

此方法仍将文档作为主要搜索结果返回。如果要搜索段落，我的建议是将它们编入索引作为单独的类型。