0

目前正在学习 ES，但我非常热衷于实现这一点。

我知道您可以使用查询中的和键来突出显示具有不同标签的不同字段......但是是否可以提供一个标记的字符串，其中返回的片段对于每个单独的识别单词都有不同的 HTML 颜色标签，例如使用简单的查询字符串？pre_tagspost_tagshighlight

所以我用“有趣的数据”查询并返回一个文档字段，如下所示：

the other day I was walking through the woods and I had an <font color="blue">interesting</font> 
thought about some <font color="red">data</font>

我得到的不仅仅是标签“无意识地”交替：同样，您可以使用Fast Vector Highlighter，例如：

"highlight": {
    "fields": {
        "description": {
            "pre_tags": ["<b>", "<em>"],
            "post_tags": ["</b>", "</em>"]

相反，我想要这个领域

“另一个数据日数据正在穿过一些有趣的树林，数据对一些数据有一个有趣的想法”

如此返回：

the other <font color="red">data</font> day <font color="red">data</font> was walking through some <font color="blue">
interesting</font> woods and <font color="red">data</font> had an <font color="blue">
interesting</font> thought about some <font color="red">data</font>

我以前使用Lucene（即Java）进行编码，并且我确实设法实现了这种事情，主要是跳过箍。

注意，对此的一个答案可能是“忘记 ES 返回标记的文本，只需使用re.sub( r'\bdata\b', '<font color="red">data</font>', field_string )”应用您自己的标签。

这对于像这样的简单用例来说是可以的。但它不适用于词干分析器。例如，举一个法语例子：搜索查询是“changer élément”。我想要以下标记结果：

Les autres <font color="red">éléments</font> ont été <font color="blue">
changés</font> car on a appliqué un <font color="blue">changement</font> 
à chaque <font color="red">élément</font>

即“changer”、“changes”和“changement”都源于“chang”，“élément”和“éléments”都源于“element”。因此，该字段的标准突出显示返回将是：

Les autres <em>éléments</em> ont été <em>changés</em> car on a appliqué un 
<em>changement</em> à chaque <em>élément</em>
4

1 回答 1

1

快速矢量荧光笔是一个很好的起点。我还没有使用法语工作，所以不要考虑以下权威但基于内置的french分析器，我们可以做这样的事情：

PUT multilang_index
{
  "mappings": {
    "properties": {
      "description": {
        "type": "text",
        "term_vector": "with_positions_offsets",
        "fields": {
          "french": {
            "type": "text",
            "analyzer": "french",
            "term_vector": "with_positions_offsets"
          }
        }
      }
    }
  }
}

仅供参考，french分析器可以重新实现/扩展，如此处所示。

摄取英语和法语示例后：

POST multilang_index/_doc
{
  "description": "the other data day data was walking through some interesting woods and data had an interesting thought about some data"
}

POST multilang_index/_doc
{
  "description": "Les autres éléments ont été changés car on a appliqué un changement à chaque élément"
}

我们可以这样查询interesting data：

POST multilang_index/_search
{
  "query": {
    "simple_query_string": {
      "query": "interesting data",
      "fields": [
        "description"
      ]
    }
  },
  "highlight": {
    "fields": {
      "description": {
       "type": "fvh",
       "pre_tags": ["<font color=\"red\">", "<font color=\"blue\">"],
       "post_tags": ["</font>", "</font>"]
      }
    },
    "number_of_fragments": 0
  }
}

屈服

the other <font color="blue">data</font> day <font color="blue">data</font> 
was walking through some <font color="red">interesting</font> woods and 
<font color="blue">data</font> had an <font color="red">interesting</font>
thought about some <font color="blue">data</font>

和类似地changer élément：

POST multilang_index/_search
{
  "query": {
    "simple_query_string": {
      "query": "changer élément",
      "fields": [
        "description.french"
      ]
    }
  },
  "highlight": {
    "fields": {
      "description.french": {
       "type": "fvh",
       "pre_tags": ["<font color=\"red\">", "<font color=\"blue\">"],
       "post_tags": ["</font>", "</font>"]
      }
    },
    "number_of_fragments": 0
  }
}

屈服

Les autres <font color="blue">éléments</font> ont été 
<font color="red">changés</font> car on a appliqué un 
<font color="red">changement</font> à chaque <font color="blue">élément</font>

对我来说，这看起来是正确的。

请注意，pre_tags顺序是根据查询中首先simple_query_string匹配的标记来执行的。查询时，首先匹配shingle中的 shingle，但导致它匹配的是第二个标记 ( )，因此是html 标记而不是.changer élémentélémentsdescriptionélémentbluered

于 2021-02-11T13:28:26.837 回答