使用Elasticsearch 7.9.1实现对word，pdf，txt文件的全文内容检索

Elasticsearch 文档附件处理与文本抽取

原创

于 2021-09-10 15:47:26 发布 · 1.3k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#elasticsearch

这篇博客介绍了如何在Elasticsearch中安装和配置ingest-attachment插件，用于处理文档附件并抽取文本。首先，通过命令行安装了分词插件和attachment插件。接着，定义了一个文本抽取管道，指定从content字段提取信息。然后，创建了文档结构映射，包括id、name、type字段，并设置了attachment字段，使用ik_smart分析器对content字段进行分词。最后，说明了如何将文件base64编码后上传到Elasticsearch。

1.安装插件

#预处理
./bin/elasticsearch-plugin install ingest-attachment
#分词
./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/...这里找你的版本

2.定义文本抽取管道

PUT /_ingest/pipeline/attachment
{
    "description": "Extract attachment information",
    "processors": [
        {
            "attachment": {
                "field": "content",
                "ignore_missing": true
            }
        },
        {
            "remove": {
                "field": "content"
            }
        }
    ]
}

在attachment中指定要过滤的字段为content，所以写入Elasticsearch时需要将文档内容放在content字段

3.建立文档结构映射

PUT /docwrite
{
  "mappings": {
    "properties": {
      "id":{
        "typ

最低0.47元/天解锁文章