2.7　实例

前面介绍了如何建立索引，通过映像配置索引，管理索引文件，对文档设置中文分词器以及对文档的其他操作。下面给出一个在Elasticsearch中建立索引文档的相关实例，即对获取的非结构化的学术论文建立基于Elasticsearch的索引。例子中的数据集是从网上下载的PDF格式的学术论文，通过某种工具（如PDFBox）对PDF论文进行解析，得到纯文本形式的文档，经过基于规则的信息抽取，得到论文的题目、作者、作者简介、论文摘要和关键字等信息，并对它们建立索引。限于篇幅，对基于PDFBox的文档解析、基于规则的信息抽取步骤等不再赘述。下面介绍如何建立基于Elasticsearch的索引。

首先，建立一个名为information的索引文档，索引中的指标如Number of Shards和Number of Replicas均采用默认值。

图2.9　创建映像

其次，为information索引文档创建Mapping。在创建传统数据库中的数据表时，一般要逐个创建数据表中的每个字段并指定其数据类型。在Elasticsearch中，虽然它会为拟创建的索引文件自动构建Mapping，但在实际使用时，通常要根据实际情况手动创建Mapping，这样可进行个性化设置（如规定数据类型，以及在某字段上执行各种分词操作等）。图2.9借助Head插件，给出针对此例的手动Mapping结果。从图中可见，在information索引中包括4个字段，对其中的title采用默认分词，对abstract采用基于ansj的分词，而对author和keywords不分词。

创建映像后，可以查看索引文件的任意字段的映像配置信息，如图2.10所示，其中显示的是information中类型文件为share、字段为author的映像配置信息。

图2.10　查看指定field的映像

再次，录入抽取好的论文信息。录入数据时通常使用两种方法：一种是在Head中手动录入数据，如图2.11所示；另一种是通过Java客户端方式自动实现。由于此处尚未涉及Java客户端的相关方法，因此给出第一种方法。图2.12为添加好的相关数据。

图2.11　录入信息

图2.12　存储到Elasticsearch中的信息

把相关信息存储好后，可以对文档进行其他操作，如获取指定的文档信息，获取文档信息中指定字段，删除部分信息，数据更新，批量获取文档等操作。图2.13给出的例子是获取ID为4的文档信息（通过get方法实现）。图2.14为获取文档ID为4的_source下的Title（通过GET方法实现）。图2.15为删除ID为2的文档信息（通过DELETE方法实现），图2.16为基于POST方式批量获取文档信息（通过POST方法实现）。

图2.13　获取指定ID的文档信息

图2.14　获取指定字段Title的信息

图2.15　删除指定ID的文档信息

图2.16　基于POST方式批量获取文档