Python使用elasticsearch搜索引擎(二)
个人环境:win10 + pycharm + python3.7.1
Elasticsearch 的安装
我们可以到 Elasticsearch 的官方网站下载 Elasticsearch:https://www.elastic.co/downloads/elasticsearch,同时官网也附有安装说明。
首先把安装包下载下来并解压,然后运行 bin/elasticsearch(Mac 或 Linux)或者 bin\elasticsearch.bat (Windows) 即可启动 Elasticsearch 了。
或者直接命令安装
pip3 install elasticsearch
官方文档是:https://elasticsearch-py.readthedocs.io/,所有的用法都可以在里面查到,文章后面的内容也是基于官方文档来的。
安装好后制作启动elasticsearch 和 kibana脚本
import os
import time
import random
elasticsearch = r'C:\Users\Jason\Desktop\PyPersonalAbility\ElasticSearchStudy\elasticsearch-rtf\bin\elasticsearch.bat' #上篇文章介绍过了的路劲,下同
kibana = r'C:\Users\Jason\Desktop\PyPersonalAbility\ElasticSearchStudy\kibana-5.1.2-windows-x86\kibana-5.1.2-windows-x86\bin\kibana.bat'
def progress_bar(item):
for i in range(11, 0, -1):
if item == 'kibana':
time.sleep(random.random() + 0.8)
else:
time.sleep(random.random() + 0.4)
res = '\r%s正在加载:%s %s%%\n' % (item, ('████' * (12 - i)), (11 - i) * 10) if i == 1 \
else '\r%s正在加载:%s %s%%' % (item,('████' * (12 - i)),(11 - i) * 10)
print('\033[31m%s\033[0m' % res, end='')
def run():
for item in [(elasticsearch, 'elasticsearch'), (kibana, 'kibana')]:
os.system('start %s' % item[0])
progress_bar(item[1])
time.sleep(10)
运行启动脚本,显示如图表示启动成功:
Elasticsearch 默认会在 9200 端口上运行,我们打开浏览器访问
http://localhost:9200/ 就可以看到类似内容:
创建 Index==>indices.create
from elasticsearch import Elasticsearch
#创建index
es = Elasticsearch()
result = es.indices.create(index='news', ignore = 400)
print(result)
如果创建成功,会返回如下结果:
返回结果是 JSON 格式,其中的 acknowledged 字段表示创建操作执行成功。
但这时如果我们再把代码执行一次的话,就会返回报错,因为index已经存在了。
删除 Index==》delete
删除 Index 也是类似的,代码如下:
from elasticsearch import Elasticsearch
es = Elasticsearch()
result = es.indices.delete(index="news",ignore=400)
print(result)
插入数据
Elasticsearch 就像 MongoDB 一样,在插入数据的时候可以直接插入结构化字典数据,
1.插入数据可以调用 create() 方法,例如这里我们插入两条数据:
from elasticsearch import Elasticsearch
es = Elasticsearch()
#方法一:es.create("注意必须带上id")
data = {"title":"python Web开发","url":"https://blog.csdn.net/wufaliang003/article/details/81368365"}
result = es.create(index="news",doc_type="work",id=1,body=data)
print(result)
##方法二:es.index() 可以不用id
result1 = es.index(index="news",doc_type="work",body={"title":"数据分析","url":"https://www.baidu.com/"})
print(result1)
这里我们首先声明了一条新闻数据,包括标题和链接,然后通过调用 create() 方法插入了这条数据,在调用 create() 方法时,我们传入了四个参数,index 参数代表了索引名称,doc_type 代表了文档类型,body 则代表了文档具体内容,id 则是数据的唯一标识 ID。
另外其实我们也可以使用 index() 方法来插入数据,但与 create() 不同的是,create() 方法需要我们指定 id 字段来唯一标识该条数据,而 index() 方法则不需要,如果不指定 id,会自动生成一个 id,调用 index() 方法的写法如下,就是方法二,运行结果
{'_index': 'news', '_type': 'work', '_id': '1', '_version': 1, 'result': 'created', '_shards': {'total': 2, 'successful': 1, 'failed': 0}, 'created': True}
{'_index': 'news', '_type': 'work', '_id': 'AW24hyEc94oPzuXLihoS', '_version': 1, 'result': 'created', '_shards': {'total': 2, 'successful': 1, 'failed': 0}, 'created': True}
更新数据(我们这里不知道是不是版本问题,update不能用,只能用index更新)
1.更新数据也非常简单,我们同样需要指定数据的 id 和内容,调用 update() 方法即可或者index()方法,代码如下:
from elasticsearch import Elasticsearch
es = Elasticsearch()
data = {
"title":"python Web开发",
"url":"https://blog.csdn.net/wufaliang003/article/details/81368365",
"date":"2018-10-10"
}
#更新方法一es.update(根据id来,但是我们这版本用不了)
# result = es.update(index="news",doc_type="work",body=data,id=1)
#
# #更新方法二es.index(根据id来)
result = es.index(index="news",doc_type="work",body=data,id=1)
print(result)
更新结果:
{'_index': 'news', '_type': 'work', '_id': '1', '_version': 2, 'result': 'updated', '_shards': {'total': 2, 'successful': 1, 'failed': 0}, 'created': False}
2.条件更新
update_by_query:更新满足条件的所有数据,写法同上删除和查询
删除数据(delete(index,doc_type,id))
如果想删除一条数据可以调用 delete() 方法,指定需要删除的数据 id 即可,写法如下:
from elasticsearch import Elasticsearch
es = Elasticsearch()
result = es.delete(index='news', doc_type = 'work',id = 1)
print(result)
根据多个条件删除:
delete_by_query:删除满足条件的所有数据,查询条件必须符合DLS格式
query = {'query': {'match': {'id': '1'}}}# 删除性别为女性的所有文档
query = {'query': {'range': {'age': {'lt': 11}}}}# 删除年龄小于11的所有文档
es.delete_by_query(index='indexName', body=query, doc_type='typeName')
查询数据
查询数据,两种get and search
#get获取
result = es.get(index="my-index", doc_type="test-type", id=01)
es.get(index='indexName', doc_type='typeName', id='idValue')
上面的几个操作都是非常简单的操作,普通的数据库如 MongoDB 都是可以完成的,看起来并没有什么了不起的,Elasticsearch 更特殊的地方在于其异常强大的检索功能。
对于中文来说,我们需要安装一个分词插件,这里使用的是 elasticsearch-analysis-ik,GitHub 链接为:https://github.com/medcl/elasticsearch-analysis-ik/releases,这里我们使用 Elasticsearch 的另一个命令行工具 elasticsearch-plugin 来安装,这里安装的版本是 5.1.1,请确保和 Elasticsearch 的版本对应起来,这里大概讲下思路:
1.下载elasticsearch-analysis-ik-5.1.1
2.在C:\Users\Jason\Desktop\PyPersonalAbility\ElasticSearchStudy\elasticsearch-rtf\plugins路径下新建
IK文件夹,将elasticsearch-analysis-ik-5.1.1下的配置文件和jar包复制进来
具体安装参考博客:https://blog.csdn.net/didiaodeabing/article/details/79309046
安装之后重新启动 Elasticsearch 就可以了,它会自动加载安装好的插件。
首先我们新建一个索引并指定需要分词的字段,代码如下:
from elasticsearch import Elasticsearch
es = Elasticsearch()
mapping = {
'properties': {
'title': {
'type': 'text',
'analyzer': 'ik_max_word',
'search_analyzer': 'ik_max_word'
}
}
}
es.indices.delete(index='news', ignore=[400, 404])
es.indices.create(index='news', ignore=400)
result = es.indices.put_mapping(index='news', doc_type='politics', body=mapping)
print(result)
这里我们先将之前的索引删除了,然后新建了一个索引,然后更新了它的 mapping 信息,mapping 信息中指定了分词的字段,指定了字段的类型 type 为 text,分词器 analyzer 和 搜索分词器 search_analyzer 为 ik_max_word,即使用我们刚才安装的中文分词插件。如果不指定的话则使用默认的英文分词器。
接下来我们插入几条新的数据:
datas = [
{
'title': '美国留给伊拉克的是个烂摊子吗',
'url': 'http://view.news.qq.com/zt2011/usa_iraq/index.htm',
'date': '2011-12-16'
},
{
'title': '*部:各地校车将享最高路权',
'url': 'http://www.chinanews.com/gn/2011/12-16/3536077.shtml',
'date': '2011-12-16'
},
{
'title': '中韩渔警冲突调查:韩警平均每天扣1艘中国渔船',
'url': 'https://news.qq.com/a/20111216/001044.htm',
'date': '2011-12-17'
},
{
'title': '中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首',
'url': 'http://news.ifeng.com/world/detail_2011_12/16/11372558_0.shtml',
'date': '2011-12-18'
}
]
for data in datas:
es.index(index='news', doc_type='politics', body=data)
这里我们指定了四条数据,都带有 title、url、date 字段,然后通过 index() 方法将其插入 Elasticsearch 中,索引名称为 news,
接下来我们根据关键词查询一下相关内容:
result = es.search(index='news')
print(result)
结果
{
"took": 0,
"timed_out": false,
"_shards": {
"total": 5,
"successful": 5,
"skipped": 0,
"failed": 0
},
"hits": {
"total": 4,
"max_score": 1.0,
"hits": [
{
"_index": "news",
"_type": "politics",
"_id": "c05G9mQBD9BuE5fdHOUT",
"_score": 1.0,
"_source": {
"title": "美国留给伊拉克的是个烂摊子吗",
"url": "http://view.news.qq.com/zt2011/usa_iraq/index.htm",
"date": "2011-12-16"
}
},
{
"_index": "news",
"_type": "politics",
"_id": "dk5G9mQBD9BuE5fdHOUm",
"_score": 1.0,
"_source": {
"title": "中国驻洛杉矶领事馆遭亚裔男子枪击,嫌犯已自首",
"url": "http://news.ifeng.com/world/detail_2011_12/16/11372558_0.shtml",
"date": "2011-12-18"
}
},
{
"_index": "news",
"_type": "politics",
"_id": "dU5G9mQBD9BuE5fdHOUj",
"_score": 1.0,
"_source": {
"title": "中韩渔警冲突调查:韩警平均每天扣1艘中国渔船",
"url": "https://news.qq.com/a/20111216/001044.htm",
"date": "2011-12-17"
}
},
{
"_index": "news",
"_type": "politics",
"_id": "dE5G9mQBD9BuE5fdHOUf",
"_score": 1.0,
"_source": {
"title": "*部:各地校车将享最高路权",
"url": "http://www.chinanews.com/gn/2011/12-16/3536077.shtml",
"date": "2011-12-16"
}
}
]
}
}
可以看到返回结果会出现在 hits 字段里面,然后其中有 total 字段标明了查询的结果条目数,还有 max_score 代表了最大匹配分数。
另外我们还可以进行全文检索,这才是体现 Elasticsearch 搜索引擎特性的地方:
dsl = {
'query': {
'match': {
'title': '中国 领事馆'
}
}
}
es = Elasticsearch()
result = es.search(index='news', doc_type='politics', body=dsl)
print(json.dumps(result, indent=2, ensure_ascii=False))
这里我们使用 Elasticsearch 支持的 DSL 语句来进行查询,使用 match 指定全文检索,检索的字段是 title,内容是“中国领事馆”,搜索结果如下:
{
"took": 1,
"timed_out": false,
"_shards": {
"total": 5,
"successful": 5,
"skipped": 0,
"failed": 0
},
"hits": {
"total": 2,
"max_score": 2.546152,
"hits": [
{
"_index": "news",
"_type": "politics",
"_id": "dk5G9mQBD9BuE5fdHOUm",
"_score": 2.546152,
"_source": {
"title": "中国驻洛杉矶领事馆遭亚裔男子枪击,嫌犯已自首",
"url": "http://news.ifeng.com/world/detail_2011_12/16/11372558_0.shtml",
"date": "2011-12-18"
}
},
{
"_index": "news",
"_type": "politics",
"_id": "dU5G9mQBD9BuE5fdHOUj",
"_score": 0.2876821,
"_source": {
"title": "中韩渔警冲突调查:韩警平均每天扣1艘中国渔船",
"url": "https://news.qq.com/a/20111216/001044.htm",
"date": "2011-12-17"
}
}
]
}
}
这里我们看到匹配的结果有两条,第一条的分数为 2.54,第二条的分数为 0.28,这是因为第一条匹配的数据中含有“中国”和“领事馆”两个词,第二条匹配的数据中不包含“领事馆”,但是包含了“中国”这个词,所以也被检索出来了,但是分数比较低。
因此可以看出,检索时会对对应的字段全文检索,结果还会按照检索关键词的相关性进行排序,这就是一个基本的搜索引擎雏形。
另外 Elasticsearch 还支持非常多的查询方式,详情可以参考官方文档:https://www.elastic.co/guide/en/elasticsearch/reference/6.3/query-dsl.html
部分参考https://blog.csdn.net/u013429010/article/details/81746179
上一篇: CDH 6.3.1 Hive对update delete支持
下一篇: 二、搜索引擎篇-搭建es环境