如何在弹性搜索查询的过滤器上下文中以无痛脚本获取文本正文字段？

Question

我已经构建了一个带有过滤器的弹性搜索查询，并且在过滤器上下文中，我正在编写一个无痛苦的脚本来根据文本字段的主体过滤一些文档。然而，当我想访问文本字段时，我会得到一个术语列表，而不是原始文本。我正在寻找一种方法来访问无痛脚本中的原始文本正文，而不是术语列表。或者，如果无法访问文本正文，我希望在此上下文中访问文档的术语频率向量。

例如，如果我运行此查询：

GET twitter/_search
{
  "query": {
      "bool": { 
      "must":{
        "term" : { "body" : "spark" }
      },
      "filter": [
        {
        "script" : {
                    "script" : {
                        "lang": "painless",
                        "source": """
                          String text = doc['body'].toString();
                          Debug.explain(text);
                         return true;
                      """

                    }
                }
      }
      ]
      } 

    }
}

我得到这个回应：

  "took" : 2,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 4,
    "skipped" : 0,
    "failed" : 1,
    "failures" : [
      {
        "shard" : 2,
        "index" : "twitter",
        "node" : "AClIunrSRUKb1gbhBz-JoQ",
        "reason" : {
          "type" : "script_exception",
          "reason" : "runtime error",
          "painless_class" : "java.lang.String",
          "to_string" : "[and, by, cutting, doug, hadoop, jack, jim, lucene, made, spark, the, was]",
          "java_class" : "java.lang.String",
          "script_stack" : [
            "Debug.explain(text);\n                         ",
            "              ^---- HERE"
          ],
          "script" : """
                          String text = doc['body'].toString();
                          Debug.explain(text);
                         return true;
                      """,
          "lang" : "painless",
          "caused_by" : {
            "type" : "painless_explain_error",
            "reason" : null
          }
        }
      }
    ]
  },
  "hits" : {
    "total" : 0,
    "max_score" : null,
    "hits" : [ ]
  }
}

如你所见，调试显示了< code>doc['body']。toString()实际上是一个术语列表< code>[and，by，cutting，doug，hadoop，jack，jim，lucene，made，spark，the，was]。我想要的是访问原始文本，在本例中为< code >“body”:“Lucene由Doug Cutting制作，hadoop由Jim制作，Spark由jack制作”

注意：我已经在这个字段上设置了"field ddata"： true和"store"： true，并且还在body.exact字段中对文档进行了索引，以便不会分析术语，但是我的问题是我无法在过滤器上下文中访问脚本中的原始文本，并且我总是得到唯一术语的列表。

非常感谢您的帮助！

Answer 1

到目前为止，我发现的一个解决方案是使用多字段并有一个子字段，例如body.raw，它被索引为关键字，在这种情况下，如果我们调用doc['body.raw'].value.toString（）;，我们将获得原始文本。我仍然喜欢找到一种解决方案，我不必索引两个字段并从_source或类似的东西中获取原始文本。

Answer 2

您可以使用关键字数据类型：

PUT twitter
{
  "mappings": {
    "_doc": {
      "properties": {
        "body": {
          "type": "text",
          "fields": {
            "keyword": {
              "type": "keyword"
            }
          }
        }
      }
    }
  }
}

GET twitter/_search
{
  "query": {
    "bool": {
      "must": {
        "term": {
          "body": "spark"
        }
      },
      "filter": [
        {
          "script": {
            "script": {
              "lang": "painless",
              "source": """
                          String text = doc['body.keyword'].toString();
                          Debug.explain(text);
                         return true;
"""
            }
          }
        }
      ]
    }
  }
}

顺从的

"painless_class" : "java.lang.String",
          "to_string" : "[The Lucene was made by Doug Cutting and the hadoop was made by Jim and Spark was made by jack]",
          "java_class" : "java.lang.String",
          "script_stack" : [
            "Debug.explain(text);\n                         ",
            "              ^---- HERE"
          ],
          "script" : """
                          String text = doc['body.keyword'].toString();
                          Debug.explain(text);
                         return true;
""",