学习python-day02-22---转自Python分布式爬虫打造搜索引擎Scrapy精讲

第三百六十六节，Python分布式爬虫打造搜索引擎Scrapy精讲—elasticsearch(搜索引擎)的bool组合查询

bool查询说明

filter:[],字段的过滤，不参与打分
must:[],如果有多个查询，都必须满足【并且】
should:[],如果有多个查询，满足一个或者多个都匹配【或者】
must_not:[],相反查询词一个都不满足的就匹配【取反，非】

# bool查询
# 老版本的filtered已经被bool替换
#用 bool 包括 must should must_not filter 来完成
#格式如下：

#bool:{
#     "filter":[],      字段的过滤，不参与打分
#     "must":[],        如果有多个查询，都必须满足【并且】
#     "should":[],      如果有多个查询，满足一个或者多个都匹配【或者】
#     "must_not":[],    相反查询词一个都不满足的就匹配【取反，非】
#}
 

建立测试数据

#建立测试数据
POST jobbole/job/_bulk
{"index":{"_id":1}}
{"salary":10,"title":"python"}
{"index":{"_id":2}}
{"salary":20,"title":"Scrapy"}
{"index":{"_id":3}}
{"salary":30,"title":"Django"}
{"index":{"_id":4}}
{"salary":40,"title":"Elasticsearch"}

bool组合查询——最简单的filter过滤查询之term查询，相当于等于

过滤查询到salary字段等于20的数据

可以看出执行两个两个步骤，先查到所有数据，然后在查到的所有数据过滤查询到salary字段等于20的数据

# bool查询
# 老版本的filtered已经被bool替换
#用 bool 包括 must should must_not filter 来完成
#格式如下：

#bool:{
#     "filter":[],      字段的过滤，不参与打分
#     "must":[],        如果有多个查询，都必须满足
#     "should":[],      如果有多个查询，满足一个或者多个都匹配
#     "must_not":[],    相反查询词一个都不满足的就匹配
#}



#简单过滤查询
#最简单的filter过滤查询
#如果我们要查salary字段等于20的数据
GET jobbole/job/_search
{
  "query": {
    "bool": {                   #bool组合查询
      "must":{                  #如果有多个查询词，都必须满足
        "match_all":{}          #查询所有字段
      },
      "filter": {               #filter过滤
        "term": {               #term查询，不会将我们的搜索词进行分词，将搜索词完全匹配的查询
          "salary": 20          #查询salary字段值为20
        }
      }
    }
  }
}



#简单过滤查询
#最简单的filter过滤查询
#如果我们要查salary字段等于20的数据
GET jobbole/job/_search
{
  "query": {
    "bool": {
      "must":{
        "match_all":{}
      },
      "filter": {
        "term": {
          "salary": 20
        }
      }
    }
  }
}

bool组合查询——最简单的filter过滤查询之terms查询，相当于或

过滤查询到salary字段等于10或20的数据

# bool查询
# 老版本的filtered已经被bool替换
#用 bool 包括 must should must_not filter 来完成
#格式如下：

#bool:{
#     "filter":[],      字段的过滤，不参与打分
#     "must":[],        如果有多个查询，都必须满足
#     "should":[],      如果有多个查询，满足一个或者多个都匹配
#     "must_not":[],    相反查询词一个都不满足的就匹配
#}




#简单过滤查询
#最简单的filter过滤查询
#如果我们要查salary字段等于20的数据
#过滤salary字段值为10或者20的数据
GET jobbole/job/_search
{
  "query": {
    "bool": {
      "must":{
        "match_all":{}
      },
      "filter": {
        "terms": {
          "salary":[10,20]
        }
      }
    }
  }
}

注意：filter过滤里也可以用其他基本查询的

_analyze测试查看分词器解析的结果
analyzer设置分词器类型ik_max_word精细化分词，ik_smart非精细化分词
text设置词

#_analyze测试查看分词器解析的结果
#analyzer设置分词器类型ik_max_word精细化分词，ik_smart非精细化分词
#text设置词
GET _analyze
{
  "analyzer": "ik_max_word",
  "text": "Python网络开发工程师"
}

GET _analyze
{
  "analyzer": "ik_smart",
  "text": "Python网络开发工程师"
}

bool组合查询——组合复杂查询1
查询salary字段等于20或者title字段等于python、salary字段不等于30、并且salary字段不等于10的数据

# bool查询
# 老版本的filtered已经被bool替换
#用 bool 包括 must should must_not filter 来完成
#格式如下：

#bool:{
#     "filter":[],      字段的过滤，不参与打分
#     "must":[],        如果有多个查询，都必须满足【并且】
#     "should":[],      如果有多个查询，满足一个或者多个都匹配【或者】
#     "must_not":[],    相反查询词一个都不满足的就匹配【取反，非】
#}

# 查询salary字段等于20或者title字段等于python、salary字段不等于30、并且salary字段不等于10的数据
GET jobbole/job/_search
{
  "query": {
    "bool": {
      "should": [
        {"term":{"salary":20}},
        {"term":{"title":"python"}}
      ],
      "must_not": [
        {"term": {"salary":30}},
        {"term": {"salary":10}}]
    }
  }
}

bool组合查询——组合复杂查询2
查询salary字段等于20或者title字段等于python、salary字段不等于30、并且salary字段不等于10的数据

# bool查询
# 老版本的filtered已经被bool替换
#用 bool 包括 must should must_not filter 来完成
#格式如下：

#bool:{
#     "filter":[],      字段的过滤，不参与打分
#     "must":[],        如果有多个查询，都必须满足【并且】
#     "should":[],      如果有多个查询，满足一个或者多个都匹配【或者】
#     "must_not":[],    相反查询词一个都不满足的就匹配【取反，非】
#}

# 查询title字段等于python、或者、(title字段等于elasticsearch并且salary等于30)的数据
GET jobbole/job/_search
{
  "query": {
    "bool": {
      "should":[
        {"term":{"title":"python"}},
        {"bool": {
          "must": [
            {"term": {"title":"elasticsearch"}},
            {"term":{"salary":30}}
          ]
        }}
      ]
    }
  }
}

bool组合查询——过滤空和非空

#建立数据
POST bbole/jo/_bulk
{"index":{"_id":"1"}}
{"tags":["search"]}
{"index":{"_id":"2"}}
{"tags":["search","python"]}
{"index":{"_id":"3"}}
{"other_field":["some data"]}
{"index":{"_id":"4"}}
{"tags":null}
{"index":{"_id":"1"}}
{"tags":["search",null]}

处理null空值的方法

获取tags字段，值不为空并且值不为null的数据

# bool查询
# 老版本的filtered已经被bool替换
#用 bool 包括 must should must_not filter 来完成
#格式如下：

#bool:{
#     "filter":[],      字段的过滤，不参与打分
#     "must":[],        如果有多个查询，都必须满足【并且】
#     "should":[],      如果有多个查询，满足一个或者多个都匹配【或者】
#     "must_not":[],    相反查询词一个都不满足的就匹配【取反，非】
#}


#处理null空值的方法
#获取tags字段，值不为空并且值不为null的数据
GET bbole/jo/_search
{
  "query": {
    "bool": {
      "filter": {
        "exists": {
          "field": "tags"
        }
      }
    }
  }
}

获取tags字段值为空或者为null的数据，如果数据没有tags字段也会获取

# bool查询
# 老版本的filtered已经被bool替换
#用 bool 包括 must should must_not filter 来完成
#格式如下：

#bool:{
#     "filter":[],      字段的过滤，不参与打分
#     "must":[],        如果有多个查询，都必须满足【并且】
#     "should":[],      如果有多个查询，满足一个或者多个都匹配【或者】
#     "must_not":[],    相反查询词一个都不满足的就匹配【取反，非】
#}


#获取tags字段值为空或者为null的数据，如果数据没有tags字段也会获取
GET bbole/jo/_search
{
  "query": {
    "bool": {
      "must_not": {
        "exists": {
          "field": "tags"
        }
      }
    }
  }
}