Python Elasticsearch DSL 搜索

本文主要是介绍Python Elasticsearch DSL 搜索，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

　　使用ElasticSearch DSL进行搜索

　　Search主要包括：

　　查询(queries)过滤器(filters)聚合(aggreations)排序(sort)分页(pagination)额外的参数(additional parameters)相关性(associated)

　　创建一个查询对象

　　from elasticsearch import Elasticsearch

　　from elasticsearch_dsl import Search

　　client=Elasticsearch()

　　s=Search(using=client)

　　初始化测试数据

　　# 创建一个查询语句s=Search().using(client).query("match", title="python")# 查看查询语句对应的字典结构print(s.to_dict())# {'query': {'match': {'title': 'python'}}}# 发送查询请求到Elasticsearchresponse=s.execute()# 打印查询结果for hit in s: print(hit.title)# Out:Python is good!Python very quickly# 删除查询s.delete()

　　第一个查询语句

　　# 创建一个查询语句

　　s=Search().using(client).query("match", title="python")

　　# 查看查询语句对应的字典结构

　　print(s.to_dict())

　　# {'query': {'match': {'title': 'python'}}}

　　# 发送查询请求到Elasticsearch

　　response=s.execute()

　　# 打印查询结果

　　for hit in s:

　　print(hit.title)

　　# Out:

　　Python is good!

　　Python very quickly

　　# 删除查询

　　s.delete()

　　1、Queries

　　# 创建一个多字段查询

　　multi_match=MultiMatch(query='python', fields=['title', 'body'])

　　s=Search().query(multi_match)

　　print(s.to_dict())

　　# {'query': {'multi_match': {'fields': ['title', 'body'], 'query': 'python'}}}

　　# 使用Q语句

　　q=Q("multi_match", query='python', fields=['title', 'body'])

　　# 或者

　　q=Q({"multi_match": {"query": "python", "fields": ["title", "body"]}})

　　s=Search().query(q)

　　print(s.to_dict())

　　# If you already have a query object, or a dict

　　# representing one, you can just override the query used

　　# in the Search object:

　　s.query=Q('bool', must=[Q('match', title='python'), Q('match', body='best')])

　　print(s.to_dict())

　　# 查询组合

　　q=Q("match", title='python') | Q("match", title='django')

　　s=Search().query(q)

　　print(s.to_dict())

　　# {"bool": {"should": [...]}}

　　q=Q("match", title='python') & Q("match", title='django')

　　s=Search().query(q)

　　print(s.to_dict())

　　# {"bool": {"must": [...]}}

　　q=~Q("match", title="python")

　　s=Search().query(q)

　　print(s.to_dict())

　　# {"bool": {"must_not": [...]}}2、Filters

　　s=Search()

　　s=s.filter('terms', tags=['search', 'python'])

　　print(s.to_dict())

　　# {'query': {'bool': {'filter': [{'terms': {'tags': ['search', 'python']}}]}}}

　　s=s.query('bool', filter=[Q('terms', tags=['search', 'python'])])

　　print(s.to_dict())

　　# {'query': {'bool': {'filter': [{'terms': {'tags': ['search', 'python']}}]}}}

　　s=s.exclude('terms', tags=['search', 'python'])

　　# 或者

　　s=s.query('bool', filter=[~Q('terms', tags=['search', 'python'])])

　　print(s.to_dict())

　　# {'query': {'bool': {'filter': [{'bool': {'must_not': [{'terms': {'tags': ['search', 'python']}}]}}]}}}3、Aggregations

　　s=Search()

　　a=A('terms', filed='title')

　　s.aggs.bucket('title_terms', a)

　　print(s.to_dict())

　　# {

　　# 'query': {

　　# 'match_all': {}

　　# },

　　# 'aggs': {

　　# 'title_terms': {

　　# 'terms': {'filed': 'title'}

　　# }

　　# }

　　# }

　　# 或者

　　s=Search()

　　s.aggs.bucket('articles_per_day', 'date_histogram', field='publish_date', interval='day') \

　　.metric('clicks_per_day', 'sum', field='clicks') \

　　.pipeline('moving_click_average', 'moving_avg', buckets_path='clicks_per_day') \

　　.bucket('tags_per_day', 'terms', field='tags')

　　s.to_dict()

　　# {

　　# "aggs": {

　　# "articles_per_day": {

　　# "date_histogram": { "interval": "day", "field": "publish_date" },

　　# "aggs": {

　　# "clicks_per_day": { "sum": { "field": "clicks" } },

　　# "moving_click_average": { "moving_avg": { "buckets_path": "clicks_per_day" } },

　　# "tags_per_day": { "terms": { "field": "tags" } }

　　# }

　　# }

　　# }

　　# }4、Sorting

　　s=Search().sort(

　　'category',

　　'-title',

　　{"lines" : {"order" : "asc", "mode" : "avg"}}

　　)5、Pagination

　　s=s[10:20]

　　# {"from": 10, "size": 10}6、Extra Properties and parameters

　　s=Search()

　　# 设置扩展属性使用`.extra()`方法

　　s=s.extra(explain=True)

　　# 设置参数使用`.params()`

　　s=s.params(search_type="count")

　　# 如要要限制返回字段，可以使用`source()`方法

　　# only return the selected fields

　　s=s.source(['title', 'body'])

　　# don't return any fields, just the metadata

　　s=s.source(False)

　　# explicitly include/exclude fields

　　s=s.source(include=["title"], exclude=["user.*"])

　　# reset the field selection

　　s=s.source(None)

　　# 使用dict序列化一个查询

　　s=Search.from_dict({"query": {"match": {"title": "python"}}})

　　# 修改已经存在的查询

　　s.update_from_dict({"query": {"match": {"title": "python"}}, "size": 42})

这篇关于Python Elasticsearch DSL 搜索的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！