需求

• 实现文件导入es，支持格式TXT、DOC、PPT、XLS、PDF、图片
• ik分词器远程热更新自定义扩展字典和停用字典
• Kibana配置词云，并显示对应文档详情和字典频次，且自定义显示字典

技术点

• 文件导入：es插件ingest-attachment
• 图片文字识别：百度OCR（其实可以自己部署一套PaddleHub, 更推荐，为啥这次不用呢，问就是赶时间！）

参考文章

• springboot+Elasticsearch实现word，pdf，txt内容抽取并高亮分词全文检索
• elasticsearch分词器词库热更新三种方案
  
• IK分词器新增词库使历史数据生效
• 百度OCR文档
• PaddleHub一键OCR中文识别
• Kibana 8.X 如何做出靠谱的词云图？

Kibana操作

一. 生成词云

• 首先创建对应的索引模式
• 创建词云
  
  
• 选择开始建好的索引模式
  
• 基础使用，生成词云
  
• 高级用法1，设置只显示字典，可以看到上面设置的大小为10，但是还是只显示了自定义的3个字典。
  
• 高级用法2，设置过滤字典，可以看到左侧生成的词云已经没有过滤的字典了。
  

二. 生成对应的频次和内容详情