使用Elasticsearch进行word，excel，PDF的全文检索 windows实现 超完整（ingest-attachment实现）
首先要明确的一点就是Elasticsearch的版本要和ingest-attachment的版本一致，要不然没办法安装。然后还有一点JAVA版本要在11以上
先说说原理吧，其实就是将文件base64编码，然后再用插件读取文件内容并保存到es中。
1.如果你的版本是JAVA1.8的话，最好换成JDK11
安装完jdk之后用cmd查看一下java -version看看是否已经从1.8修改为了11
如果没有边的话则需要修改环境变量
可以在开始菜单输入env快速打开环境变量配置
首先修改JAVA_HOME
然后还是和配置jdk一样修改path
但是这里有一个坑点，那就是除了你自己配置的jdk path之外可能还有一个oracle的path，记得把他给删了，要不java -version后还是1.8
2.安装Elasticsearch 7.9.0
我的es是在这个链接下载的：
https://rjxcvbn.tianjiuda.com/20211206/elasticsearch_v7.9.0_xitongcheng.zip
下载完毕之后解压
进入bin目录
双击elasticsearch.bat即可运行es
运行完成后可以访问http://127.0.0.1:9200/ 查看是否正常运行
3.下载配置ingest-attachment-7.9.0
这里一定要下载和上面一样的版本，否则无法安装
比如说ingest-attachment-5.4.2.zip 在D盘根目录，那我们就可以在elastics的根目录下运行下面的命令
bin\elasticsearch-plugin install file:///D:\ingest-attachment-5.4.2.zip
这样他就会将ingest-attachment的插件安装到elasticsearch上了。这里就不放截图了，因为我已经安装好了。
安装好之后可以通过PowerShell查看是否安装完成
首先切换目录到ES根目录：
输入 .\bin\elasticsearch-plugin list如果有ingest-attachment则代表安装成功
然后我们可以重启es。重启方式就是关闭cmd然后重新打开步骤1的.bat
3.POSTMAN ES基础使用教程
如果已经会使用es请跳过该步骤
先偷一张图
我就以mysql数据库举例吧，比如说mysql中的表在es里应该叫索引，我就直接叫表吧，毕竟不跳过这里的估计也没太看过es的教程。我这里就是简单的说一说，想要具体了解请看其他的文章。。
es新建表可以通过postman来建立
用PUT请求发送127.0.0.1:9200/test
其中test可以理解为表的名称
然后我们可以向表中添加数据，因为es类似于Mongodb，存储的数据为json类型，是非关系型数据库，不存在字段这一说，所以数据我们可以随便存。
插入数据：127.0.0.1:9200/test/_doc/1002
请求体：
{
"title":"小米手机1",
"category":"小米1",
"image":"www.yy.com",
"price":3999.00
}
这里需要注意，还是要用put请求，test相当于表名，_doc可以理解为固定写法，最后的1002可以不写，写了就是指定这个数据的id为1002，不写则是随机生成的字符串
返回结果：
如果不写ID的话返回结果：
（不写的话得用post请求，上面我说的可能有点问题，因为我也是项目上需要所以也没深入了解，只看了半天，就随便写了个小demo）
可以看见这里的id是nFez2IgBadwYgUd60r2A，这个是自动生成的。
然后我们可以根据id去查询。
127.0.0.1:9200/test/_doc/nFez2IgBadwYgUd60r2A
这里是get请求，需要注意一定不要选成post，否则会直接对数据进行更新。
返回值：
{
"_index": "test",
"_type": "_doc",
"_id": "nFez2IgBadwYgUd60r2A",
"_version": 1,
"_seq_no": 1,
"_primary_term": 1,
"found": true,
"_source": {
"title": "小米手机1",
"category": "小米1",
"image": "www.yy.com",
"price": 3999.00
}
}
然后删除某一条数据：
只需要将查找的请求方式改成delete就可以了。
返回值中的result是区分查找，插入和删除的方式。
还有就是查找某个表的所有数据。
使用get请求：127.0.0.1:9200/test/_search
最后就是清空这个表的所有数据
127.0.0.1:9200/test/_delete_by_query
test为要清空的表明，_delete_by_query可以理解为固定写法
请求体：
{
"query": {
"match_all": {}
}
}
返回值：
{
"took": 133,
"timed_out": false,
"total": 1,
"deleted": 1,
"batches": 1,
"version_conflicts": 0,
"noops": 0,
"retries": {
"bulk": 0,
"search": 0
},
"throttled_millis": 0,
"requests_per_second": -1.0,
"throttled_until_millis": 0,
"failures": []
}4.打开管道
curl -X PUT "localhost:9200/_ingest/pipeline/attachment" -d '{
"description" : "Extract attachment information",
"processors":[
{
"attachment":{
"field":"data",
"indexed_chars" : -1,
"ignore_missing":true
}
},
{
"remove":{"field":"data"}
}]}'
attachment是管道名称，后面JAVA代码里有用到，可以该
这里应该用java代码去创建管道，后期我改一下
可能遇到的报错：{"error":"Content-Type header [application/x-www-form-urlencoded] is not supported","status":406}
解决：添加-H 'content-Type:application/json'
5.JAVA编程
pom中引入elsearch和fastjson
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>
<dependency>
<groupId>com.alibaba.fastjson2</groupId>
<artifactId>fastjson2</artifactId>
<version>2.0.26</version>
</dependency>上传方法
public AjaxResult upload(MultipartFile file) {
if (file.isEmpty()) {
// 处理文件为空的情况
AjaxResult.error("文件为空！");
}
String uploadPath = "H:/esupload/";
try {
String fileName = file.getOriginalFilename();
String[] nameArray=fileName.split("\\.");
//todo 如果以后要用的Demo一定要修改这里！这里只是为了快速测试，没有写业务代码
if(nameArray.length!=2){
return null;
}
String prefix=nameArray[0];
String suffix=nameArray[1];
long fileSize=file.getSize();
String filePath = uploadPath + File.separator + UUID.randomUUID()+"."+suffix;
// 保存文件到指定路径
file.transferTo(new File(filePath));
//将文件传到es上
HttpClient httpClient = HttpClients.createDefault();
try {
// 设置 Elasticsearch 主机和端口
String elasticHost = "http://127.0.0.1";
int elasticPort = 9200;
// 设置索引名称
String indexName = "book";
// 指定要索引的文档路径
String documentPath = filePath; // 替换为实际的文档路径
// 读取文档内容并进行 Base64 编码
byte[] documentData = Files.readAllBytes(Paths.get(documentPath));
String encodedDocument = Base64.getEncoder().encodeToString(documentData);
// 创建文档 JSON
//String documentJson = String.format("{\"data\":\"%s\"}", encodedDocument);
String documentJson = String.format("{\"data\":\"%s\", \"prefix\":\"%s\", \"suffix\":\"%s\", \"filesize\":%d}",
encodedDocument, prefix, suffix, fileSize); // 创建 POST 请求
HttpPost postRequest = new HttpPost(String.format("%s:%d/%s/_doc?pipeline=attachment", elasticHost, elasticPort, indexName));
// 设置请求主体为 JSON 格式
HttpEntity entity = new StringEntity(documentJson, ContentType.APPLICATION_JSON);
postRequest.setEntity(entity);
/* postRequest.setEntity(entity);*/
// 发送请求
HttpResponse response = httpClient.execute(postRequest);
// 处理响应
String responseBody = EntityUtils.toString(response.getEntity());
System.out.println(responseBody);
} catch (IOException e) {
e.printStackTrace();
} finally {
}
// 处理文件上传成功的情况
return AjaxResult.success("上传成功！");
} catch (IOException e) {
// 处理文件上传失败的情况
return AjaxResult.error("系统异常！");
}
}列表方法
public List<FileEntity> getList(HttpServletResponse response, String matchName, String searchValue) {
if (StringUtils.isEmpty(matchName)) {
matchName = "attachment.content";
}
List<FileEntity> files = new ArrayList<>();
// 创建 Elasticsearch 客户端，用于信息查询
RestHighLevelClient client = new RestHighLevelClient(
RestClient.builder(new HttpHost("127.0.0.1", 9200, "http")));
try {
// 设置要查询的索引名称
String indexName = "book";
// 构建查询请求
SearchRequest searchRequest = new SearchRequest(indexName);
// 构建查询条件
/* MatchQueryBuilder matchQueryBuilder = new MatchQueryBuilder("attachment.content", searchValue);
*/
if (StringUtils.isEmpty(searchValue)) {
searchValue = "silan";
// 使用TermQueryBuilder进行精确匹配
SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
searchSourceBuilder.query(QueryBuilders.matchAllQuery());
searchSourceBuilder.size(10); // 设置返回的文档数量，默认为 10
searchSourceBuilder.timeout(TimeValue.timeValueSeconds(10)); // 设置超时时间
}else {
MatchPhraseQueryBuilder matchPhraseQueryBuilder = QueryBuilders.matchPhraseQuery(matchName, searchValue);
BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery();
boolQueryBuilder.must(matchPhraseQueryBuilder);
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder().query(boolQueryBuilder);
searchRequest.source(sourceBuilder);
}
// 设置排序规则
/* sourceBuilder.sort("_source.content", SortOrder.ASC);*/
// 设置分页
/* int from = 0; // 开始索引
int size = 10; // 返回结果数量
sourceBuilder.from(from);
sourceBuilder.size(size);*/
// 发起查询请求
SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);
// 处理查询结果
SearchHits hits = searchResponse.getHits();
for (SearchHit hit : hits) {
Map<String, Object> sourceAsMap = hit.getSourceAsMap();
String id = hit.getId();
String source = hit.getSourceAsString();
try {
// 将 JSON 字符串转换为 JSONObject
JSONObject jsonObject = JSONObject.parseObject(source);
// 访问 JSONObject 的属性
String data = jsonObject.getString("data");
JSONObject attachment = jsonObject.getJSONObject("attachment");
String contentType = attachment.getString("content_type");
String contentLength = attachment.getString("content_length");
String content = attachment.getString("content");
String author = attachment.getString("author");
String prefix = jsonObject.getString("prefix");
String suffix = jsonObject.getString("suffix");
String filesize = jsonObject.getString("filesize");
FileEntity fileEntity = new FileEntity();
fileEntity.setId(id);
fileEntity.setData(data);
fileEntity.setName(prefix+"."+suffix);
fileEntity.setType(contentType);
fileEntity.setSize(filesize + "字节");
fileEntity.setAuthor(author);
fileEntity.setContent(content.substring(0, Math.min(content.length(), 300)));
fileEntity.setUploadTime(new Date());
files.add(fileEntity);
// 打印结果
System.out.println("Data: " + data);
System.out.println("Content Type: " + contentType);
System.out.println("Content: " + content);
} catch (Exception e) {
e.printStackTrace();
}
}
} catch (IOException e) {
e.printStackTrace();
} finally {
try {
client.close();
} catch (IOException e) {
e.printStackTrace();
}
}
return files;
}
FileEntity
@Getter
@Setter
public class FileEntity {
private String id;
private String name;
private String type;
private String author;
private String content;
private Date uploadTime;
private String size;
private String data;
}有什么问题再问我。之前写了一半有事就存草稿了，然后今天打开发现这部分东西都忘了。。