关于ES查询文档标记来源问题

关于ES查询文档标记来源问题

1.目前知了使用的方案

知了目前使用的是ES为Java提供一个查询接口，叫做QueryBuilder

当用户传入查询后，现在我们做了一个这个事情——多字段匹配查询

 reBuilder = reBuilder.must(multiMatchQuery(query, "title", "text"));

其中这个query就是用户的输入

官方文档给出的解释是：Finds documents which match any field, but uses the _score from the best field.

实际上这个多字段匹配查询可以这么理解：

比如说用户搜索一个「北京邮电大学」

我在标题和正文里分别对北京邮电大学进行全文检索，然后分别在两个字段里按照命中率(或者说_score)进行排序

然后将这两个排序结果取并集，在两个字段命中率都高的排名考前

最后得到一个没有重复的文档集合，返回给用户

这就造成一个问题，通过这种方法获得的结果是这样的

["0": {
    "id": 17516,
    "crop_id": null,
    "user_id": 23,
    "create_time": 1631950049000,
    "edit_time": 1631950049000,
    "title": "计算机学院2021级培养方案",
    "text": "<p>计算机学院2021级培养方案，包括：</p><p>北京邮电大学专业学位硕士研究生培养方案（2021级）-9.14.pdf<br />北京邮电大学博士研究    生培养方案（2021级）-9.3.pdf<br />北京邮电大学学术学位硕士研究生培养方案（2021级）-9.9.pdf<br />北京邮电大学直博研究生培养方案（2021级）-9.3.pdf</p>",
    "attachment": null,
    "superior": 0,
    "recognition": null,
    "opposition": null,
    "pageview": null,
    "collection": null,
    "group_id": "",
    "label_id": "111,203,129",
    "user_name": null,
    "group_name": null,
    "label_name": null,
    "permissionid": "0"
}]

是一个一个数组的形式，没有命中率，也不知道是在标题还是正文还是附件搜出来的

2.或许可以采用的解决方法

自行封装一个查询函数，来实现一个类似于多字段查询的功能

主要原理还是调用ES的最原生的Restful API分别查询各个字段，再按照我们的规则进行合并，例如

POST http://192.168.36.136:9200/_search

{
    "query": {
        "query_string": {
            "query": "北京邮电大学"
        }
    }
}

可以得到这样的返回

{
    "took": 246,
    "timed_out": false,
    "_shards": {
        "total": 3,
        "successful": 3,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": 105,
        "max_score": 15.921347,
        "hits": [
            {
                "_index": "knowledge_ms",
                "_type": "resource",
                "_id": "17516",
                "_score": 15.921347, # 这里能得到一个命中率
                "_source": {
                    "id": 17516,
                    "crop_id": null,
                  "user_id": 23,
                    "create_time": 1631950049000,
                    "edit_time": 1631950049000,
                    "title": "计算机学院2021级培养方案",
                    "text": "<p>计算机学院2021级培养方案，包括：</p><p>北京邮电大学专业学位硕士研究生培养方案（2021级）-9.14.pdf<br />北      京邮电大学博士研究生培养方案（2021级）-9.3.pdf<br />北京邮电大学学术学位硕士研究生培养方案（2021级）-9.9.pdf<br />北京邮电大学直博研究生培养方案（2021级）-9.3.pdf</p>",
                    "attachment": null,

按照这样的规则我们能分别得到标题命中率的排名、正文命中率的排名和附件命中率的排名

然后我们可以对这三个排名拉一个(可能有重复文档的)大排名给用户展示出来，并且告诉用户是哪里搜出来的

最后得到的感觉大概是这个样子