Elasticsearch raw html 文档搜索

Question

我将网站的原始 html 存储在 ElasticSearch 中，示例字段名为 "html_content":

"\ufeff<!DOCTYPE html PUBLIC \"-//W3C//DTD XHTML 1.0 Strict//EN\" \"http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd\"><html xmlns=\"http://www.w3.org/1999/xhtml\" xml:lang=\"en\">\t<head>\t  \t<base href=\"http://forum.pl\">\t  \t\t  \t<!-- Google Webmaster Tools -->\t\t\t\t<meta name=\"google-site-verification\" content=\"F6oatYg_CzKAKO7hA3Sy11S10eS0_ZYC1yGaoMbKYTU\" />\t\t\t  \t    <meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\t    <meta http-equiv=\"X-UA-Compatible\" content=\"IE=EmulateIE7\" />\t    \t    \t    \t   \t<title>Dolnośląska Fundacja Rozowju Regionalnego - Forum.pl</title>\t    \t    <link href=\"/public/css/style.css\" rel=\"stylesheet\" type=\"text/css\">\t\t<link rel=\"stylesheet\" href=\"/public/css/menu.css\" type=\"text/css\" />\t\t<!--[if IE 6]>\t\t<link href=\"/public/css/clean_ie6.css\" rel=\"stylesheet\" type=\"text/css\" />\t\t<![endif]-->\t\t<!--[if IE 7]>\t\t<link href=\"/public/css/clean_ie.css\" rel=\"stylesheet\" type=\"text/css\"

现在我想执行搜索并查找所有包含以下内容的文档：

 rel="stylesheet" type="text/css

在 html_content 字段中。

我应该如何创建索引（我应该使用什么映射和分析器）？我应该如何创建搜索查询？

我从文档中尝试了很多东西 google 但我找不到答案。

Answer 1

我使用的分析仪：

{
"settings": {
"analysis": {
  "analyzer": {
    "testowy": {
      "type": "custom",
      "tokenizer": "standard",
      "filter": "lowercase"
    }
  }
}}}

用于搜索，例如：

{
"query": {
    "match_phrase" : {
        "html_content" : {
            "query" : "rel=\"stylesheet\" type=\"text/css"
        }
    }
}}

或查找包含 2 个匹配项的文档：

    {
  "query": {
    "bool": {
      "must": [
         {"match_phrase": {"html_content":  "rel=\"stylesheet\" type=\"text/css"}},
         {"match_phrase": {"html_content":  "<meta name=\"distribution\""}}
      ]
    }
 }
}

我还是不知道为什么 "rel=\"stylesheet\" type=\"text/css" 不等于

"rel=\"stylesheet\" type=\"text/cs"

Elasticsearch raw html 文档搜索

Elasticsearch raw html document search

html

search

documents

elasticsearch