IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 大数据 -> ES 检索 word、pdf 文档插件 ingest attachment 的管道配置和文档结构映射 -> 正文阅读

[大数据]ES 检索 word、pdf 文档插件 ingest attachment 的管道配置和文档结构映射

一、安装 ingest attachment 插件

安装方法:https://blog.csdn.net/catoop/article/details/124468788

二、定义文本抽取管道

1.单附件(示例)

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

其中remove段的配置表示附件经过管道处理后删除附件本身,只将附件的文字存入ES中,附件自身base64的数据抛弃掉。

2.多附件(示例)

PUT _ingest/pipeline/attachment
{
    "description": "Extract attachment information",
    "processors": [
        {
            "foreach": {
                "field": "attachments",
                "processor": {
                    "attachment": {
                        "field": "_ingest._value.data",
                        "target_field": "_ingest._value.attachment"
                    }
                }
            }
        },
        {
            "foreach": {
                "field": "attachments",
                "processor": {
                    "remove": {
                        "field": "_ingest._value.data",
                        "target_field": "_ingest._value.attachment"
                    }
                }
            }
        }
    ]
}

需要注意的是,多附件的情况下,field 和 target_field 必须要写成 _ingest._value.*,否则不能匹配正确的字段。
从 es 8.0 版本开始,需要删除二进制文件内容,只需要为 attachment 添加一个属性 remove_binary 为 true,就不需要像上面那样单独写一个 remove 处理器了。

三、建立文档结构映射

1.单附件(示例)

PUT newdoc_dispatch
{
  "mappings": {
    "properties": {
      "businessId":{
        "type": "keyword"
      },
      "title":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "fullDocNO":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "drafterUser":{
        "type": "keyword"
      },
      "dispatchNO":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "dispatchDept":{
        "type": "keyword"
      },
      "dispatchTime":{
        "type": "date"
      },
      "abolish":{
        "type": "keyword"
      },
      "tenantId":{
        "type": "keyword"
      },
      "attachment": {
        "properties": {
          "content":{
            "type": "text",
            "analyzer": "ik_smart"
          }
        }
      }
    }
  }
}

2.多附件(示例)

PUT newdoc_dispatch
{
  "mappings": {
    "properties": {
      "businessId":{
        "type": "keyword"
      },
      "title":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "fullDocNO":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "drafterUser":{
        "type": "keyword"
      },
      "dispatchNO":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "dispatchDept":{
        "type": "keyword"
      },
      "dispatchTime":{
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
      },
      "abolish":{
        "type": "keyword"
      },
      "tenantid":{
        "type": "keyword"
      },
      "attachments" : {
        "properties" : {
          "attachment" : {
            "properties" : {
              "content" : {
                "type" : "text",
                "analyzer": "ik_smart"
              }
            }
          }        
        }
      }
    }
  }
}

工程中的代码是多附件的示例,mapping结构映射的对象详见ESDispatchDocumentVo

官网参考资料:https://www.elastic.co/guide/en/elasticsearch/plugins/current/using-ingest-attachment.html
其他参考资料:https://www.cnblogs.com/ncore/p/10475909.html
代码工程参考:https://gitee.com/catoop/es-attachment


(END)

  大数据 最新文章
实现Kafka至少消费一次
亚马逊云科技:还在苦于ETL?Zero ETL的时代
初探MapReduce
【SpringBoot框架篇】32.基于注解+redis实现
Elasticsearch:如何减少 Elasticsearch 集
Go redis操作
Redis面试题
专题五 Redis高并发场景
基于GBase8s和Calcite的多数据源查询
Redis——底层数据结构原理
上一篇文章      下一篇文章      查看所有文章
加:2022-05-08 08:10:56  更:2022-05-08 08:13:29 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/23 22:11:13-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码