总结一个DSL的用法吧，语法网上查去，只记录一点心得，也是研究了半天，太麻烦了
先附上python代码
#!/usr/bin/env python
# _*_ coding:utf-8 _*_
from elasticsearch import Elasticsearch
es = Elasticsearch([{'host':'localhost','port':9200}])
index = 'kuaidi'
# 精确匹配
query = {
"query": {
"term": {"iinsertTime": "2017-11-26"}
}
}
resp = es.search(index, body=query)
resp_docs = resp['hits']['hits']
for item in resp_docs:
print(item['_source']['content'])
第一个语法：
term过滤：term主要用于精确匹配，如字符串、数值、日期等（不适合情况：1.列中除英文字符外有其它值 2.字符串值中有冒号或中文 3.系统自带属性如_version）
{
"_index": "kuaidi",
"_type": "shang12",
"_id": "11",
"_version": 1, //不可用于DSL中的查询条件
"_score": 1, //不可用于DSL中的查询条件
"_source": { //不可用于DSL中的查询条件
"title": "韵达快递来了", //值中有中文，不可用于查询
"insertTime": "2017-11-26 11:12:00", //值中有冒号,不可用于查询
"insertTime1": "2017-11-2611:12:00", //列中有数字，不可用于查询
"insertTime2": "2017-11-2611120000",
"iinsertTime": "2017-11-26", //可以用于查询
"age": 69, //可以用于查询
"date": "2014-10-03", //可以用于查询
"address": "中国经济网1", //值中有中文,不可用于查询
"address1": "zhonguojinjiwang", //可以用于查询
"content": "南都讯 记者王刚 七旬老太在人行道上行走时，突然被一辆正在倒车的顺丰快递车撞倒，交警认定快递车负全部责任。老太家属称，在送往医院后，老太被初步诊断为右侧肩胛骨骨折且嘴唇有破裂的迹象，目前已经出院，但不确定是否会产生后遗症等情况。顺丰回应称，已支付老太所有医药费，后续将进一步与家属进行协商"
}
}
第二个语法：
terms:跟term有点类似，但可以同时指定多个条件，相当于union all的作用，汇聚所有查询的值
{
"query": {
"term": {"date": ["2014-09-01","2014-10-03"]}
}
}
date为2014-09-01和2014-10-03的值都会被查找出来
第三个语法：
range:范围查询
{
"query": {
"range":{
"age":{ //查询age字段
"gte":60, //大于60
"lt":70 //小于70
}
}
}
}
第四个语法：
exists: 此索引中包含指定字段的所有数据（即此字段值不为空）
missing：此索引中不包含指定字段的所有数据(即此字段的值为空)
{
"query": {
"missing":{
"field":"age" // age字段为空的所有数据
}
}
}
第五个语法：
bool过滤：用来合并多个过滤条件的查询结果的布尔逻辑，必须包含must和should中的一个或多个。它包含以下一些操作
must: 相当于and
must_not: 相当于 not
should: 相当于or(连接多个匹配条件,列表形式)
{
"query": {
"bool":{
"must":{ //and age==50
"term":{"age":50}
},
"must_not":{ //not date=2014-09-01
"term":{"date": "2014-09-01"}
},
"should":[ // _id==8 or _id=9 (举的不太恰当)
{"term":{"_id":8}},
{"term":{"_id":19}}
]
}
}
}
第六个语法:
match: 一个标准的查询，它可以精确或模糊查询
{
"query": {
"match":{
"title":"起火 快递" // title中包含起火 或快递
}
}
}
另一个变种
multi_match: 同时对多个字段，多个关键字查询
{
"query": {
"multi_match":{
"query":"老人 起火", // 查询关键字，多个关键字之间是或的关系
"fields":['title','address'] // title或address字段中有老人或起火字段
}
}
}
第七个语法：
正则：regexp
{
"query": {
"regexp":{
"title":".+[0-9]*.+" //匹配 任意字符 任意数字 任意字符
}
}
}
第八个语法：
以什么开关：prefix
{
"query": {
"prefix":{
"_id":1 // _id 以1开头的数据,不适合值为中文
}
}
}
第九个语法：
短语匹配:phrase_match ，寻找邻近的几个单词，我理解为精确短语匹配，即查找的短语不会被分词查找
{
"query": {
"match_phrase":{
"content":"china reference" // content中包含china reference而不是chian 或 reference
}
}
}
十、列举几个查询的例子
{
"query": {
"match":{"content":"起火"}, # content 有起火
"match":{"title":"快递"}, # 并且 title 有快递
"match":{"author":"kongzhagen"} # 并且 author 为kongzhagen
}}
{
"query": {
"multi_match":{
"query":"快递"
,"fields":["title", "content"] # title 或 content 中有快递
}
}}
{
"query": {
"bool":{
"must":{
"match":{"content":"快递"}, # content 中包含快递的所有数据
},"filter":{
"multi_match":{
"query":"顺丰 百世 EMS", # 结果中查找 content 包含 顺丰 或 百世 或 EMS 的所有数据
"fields":["content"]
}
}
}
}
}