6.1.1、新增文档

新增文档的DSL语法如下

示例 1：使用 POST 新增文档

POST /my_index/_doc/
{
  "title": "Elasticsearch Basics",
  "author": "John Doe",
  "publish_date": "2024-01-01",
  "price": 19.99
}

示例 2：使用 PUT 新增或更新文档（指定 ID）

PUT /my_index/_doc/1
{
  "title": "Elasticsearch Advanced",
  "author": "Jane Smith",
  "publish_date": "2024-02-01",
  "price": 29.99
}

指定文档 ID：文档的 ID 被明确设置为 1。如果该 ID 已存在，则该操作会更新该文档。

6.1.2. 查询文档

使用 GET 请求来检索特定的文档或执行搜索查询。
示例 1：根据 ID 查询文档

GET /my_index/_doc/1

示例 2：搜索文档（基于条件）

GET /my_index/_search
{
  "query": {
    "match": {
      "title": "Elasticsearch"
    }
  }
}

搜索：通过 match 查询，Elasticsearch 会在 title 字段中搜索包含 “Elasticsearch” 关键字的文档。示例 3：获取所有文档

GET /my_index/_search
{
  "query": {
    "match_all": {}
  }
}

匹配所有文档：match_all 查询会返回索引库中的所有文档。

6.1.3、 删除文档

使用 DELETE 请求删除指定的文档。
示例：根据 ID 删除文档

DELETE /my_index/_doc/1

这将删除 my_index 索引库中 ID 为 1 的文档。如果指定的文档不存在，Elasticsearch 会返回一个 404 错误。

6.1.4、总结

新增文档：
使用 POST /my_index/_doc/ 自动生成文档 ID 并添加文档。
使用 PUT /my_index/_doc/{id} 通过指定 ID 来新增或更新文档。

查询文档：
使用 GET /my_index/_doc/{id} 根据 ID 查询文档。
使用 GET /my_index/_search 执行复杂的搜索查询。Å
删除文档：使用 DELETE /my_index/_doc/{id} 根据 ID 删除文档。

6.2 修改文档

全量修改，删除旧文档，添加新文档

增量修改，修改指定字段值，使用 POST 和 _update API 进行部分更新。

示例：

POST /my_index/_doc/1/_update
{
  "doc": {
    "price": 24.99,
    "title": "Elasticsearch Basics - Updated"
  }
}

这里，doc 对象内的字段会被更新，而文档的其他字段保持不变。例如，price 和 title 字段会被更新为新的值，而其他字段（如 author、publish_date）将保持不变。

6.3 通过脚本进行复杂的更新

示例：使用脚本增加字段值

POST /my_index/_doc/1/_update
{
  "script": {
    "source": "ctx._source.price += params.increment",
    "lang": "painless",
    "params": {
      "increment": 5
    }
  }
}

script：定义了更新操作的脚本。
source：指定实际执行的脚本代码，使用 painless 语言。
ctx._source.price 是指向文档中 price 字段的引用。
lang：说明使用的脚本语言类型，这里使用 painless，它是 Elasticsearch 默认且推荐的脚本语言。
params：传递给脚本的参数。这里 params 中定义了一个名为 increment 的参数，其值为 5

7 分词器

分词器（Tokenizer）是文本处理中的一个关键组件，尤其在搜索引擎、文本分析、自然语言处理（NLP）等领域中扮演重要角色。它的主要作用是将文本切分成若干个有意义的词或词组。分词器的使用可以帮助进行词频统计、信息检索、文本分类等任务。

7.1 分词器的基本概念

分词器的作用:

文本切分: 将长文本拆分成单独的词或词组。
标准化: 处理大小写、去除标点符号、转换数字等。
词汇建立: 建立词汇表以进行后续的分析。

常见的分词器类型:

基于规则的分词器: 使用预定义的规则进行分词。例如，使用空格、标点符号或特殊字符作为分隔符。
基于字典的分词器:使用词典或词汇表进行分词，例如，分词时根据字典中的词条进行匹配。
统计型分词器: 利用统计模型和算法进行分词，例如，基于频率的分词或机器学习模型。

7.2 Elasticsearch 分词器

Elasticsearch 是一个基于 Lucene 的分布式搜索引擎，它提供了多种分词器用于处理和分析文本数据。

标准分词器（Standard Tokenizer）: 默认的分词器，适用于大多数语言。它基于 Unicode 字符集的标准分词算法。
空格分词器（Whitespace Tokenizer）: 按照空格将文本分割成词，不处理其他字符。
IK 分词器: 适用于中文分词，可以进行精确分词和智能分词。
自定义分词器: 用户可以根据需求自定义分词器，通过配置文件设置分词规则和词典。

7.3 IK分词器

IK 分词器是 Elasticsearch 中一个流行的中文分词器，适用于处理中文文本。

7.3 .1 安装 IK 分词器插件

略

创建索引时使用 IK 分词器

PUT /my_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "ik_max_word": {
          "type": "ik_max_word"
        },
        "ik_smart": {
          "type": "ik_smart"
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "content": {
        "type": "text",
        "analyzer": "ik_max_word"
      }
    }
  }
}

ik_max_word：IK 分词器的最大词汇量分词模式，能将文本切分为尽可能多的词项。

ik_smart：IK分词器的智能分词模式，切分出的词项数量较少，更加精准。

使用 IK 分词器进行文档索引和查询，在创建了索引并配置了 IK 分词器之后，你可以像往常一样索引和查询文档。

POST /my_index/_doc/1
{
  "content": "Elasticsearch 是一个分布式搜索引擎"
}
示例：搜索文档
json
复制代码
GET /my_index/_search
{
  "query": {
    "match": {
      "content": "分布式搜索"
    }
  }
}

7.3.4. 测试 IK 分词器

使用 _analyze API 来测试 IK 分词器对文本的分词效果。

POST /my_index/_analyze
{
  "analyzer": "ik_max_word",
  "text": "Elasticsearch 是一个分布式搜索引擎"
}

5. 扩展词库
 

6. 停用词库