一、配置

python == 3.6/3.8
# 更高版本的elasticsearch会出现doc_type被统一成_doc导致旧版语句报错的情况
pip install elasticsearch==7.8.0

二、连接es

from elasticsearch import Elasticsearch
es = Elasticsearch('ip:port')

三、查看集群/索引的信息

参考：https://www.cnblogs.com/expiator/p/14847705.html
# 查看集群状态：
http://ip:port/_cat/health?v
# 查看集群节点信息
http://ip:port_nodes/stats?pretty
# 浏览器查看索引
# ip:路由地址；port:运行端口(默认9200)；index_name:要查看的索引名称
# 查看所有索引
http://ip:port/_cat/indices?v&pretty
# 查看单个索引
http://ip:port/index_name/_settings?pretty
# 查看单个索引的数据结构
http://ip:port/index_name/?pretty
# python查看elasticsearch是否存在
# es.indices.exists(index="index_name")
# 删除索引
# es.indices.delete(index='index_name', ignore=[400, 404])

三、创建索引与映射

# 索引参数设置
# 索引的静态参数一旦被设置，不能改变;动态参数可以改变
def create_index(es, index_name):
    settings = {
        'settings':
            {
                "number_of_shards": 5,  # 设置主索引的主分片数，静态参数
                "number_of_replicas": 0,  # 设置主索引的副本数，动态参数
                "max_result_window": 10000000,  # 设置一次检索最大返回数量
                "track_total_hits": True,  # 使最大返回设置生效的参数
            }
    }

    if es.indices.exists(index_name):
        print(u"%s 已存在" % index_name)
    else:
        es.indices.create(index=index_name, body=settings)
        print(index_name + "索引创建成功")
res = es.indices.create(index='index_name', ignore=400)
print(res)


# 创建映射(索引内每一个字段的设置)
"""
分词器主要有两种情况会被使用：
第一种是插入文档时，将text类型的字段做分词然后插入倒排索引，对应analyzer
第二种就是在查询时，先对要查询的text类型的输入做分词，再去倒排索引搜索，对应search_analyzer
如果想要让 索引 和 查询 时使用不同的分词器，ElasticSearch也是能支持的，只需要在字段上加上search_analyzer参数
在索引时，只会去看字段有没有定义analyzer，有定义的话就用定义的，没定义就用ES预设的
在查询时，会先去看字段有没有定义search_analyzer，如果没有定义，就去看有没有analyzer，再没有定义，才会去使用ES预设的
"""
mapping = {
    'properties': {
        # 简单设置
        'title': {
            'type': 'string',
            'analyzer': 'jieba',
        },
        # 较复杂的设置
        'content': {
            'include_in_all': True,  # 控制_all查询时是否需要查询该字段，默认True，若是false将不会被_all查询
            'analyzer': 'jieba',  # 查询和索引统一的分词器
            # 'searchAnalyzer': 'jieba',  # 单独设置查询分词器
            'index': "analyzed",  # 控制字段怎样建索引或查询。no不能被查询；not_analyzed只存储原始值，不分词；analyzed分词存储
            'boost': 2,  # 控制该字段的查询权重，大于1会增加相对权重
            'term_vector': 'with_positions_offsets',  # 存储完整的term vector信息，包括field terms、position、offset
            'type': 'string',  # 旧版支持。从ElasticSearch 5.x开始不再支持string，由text和keyword类型替代。
        },
    }
}
# 设置mapping信息：可以指定字段的类型、是否进行分词、默认值、是否被索引
# 分词器analyzer和搜索分词器search_analyzer。ik_max_word为默认的英文分词器,jieba等其他分词器需要额外安装。
result = es.indices.put_mapping(index='index_name', doc_type='doc', body=mapping)
print(result)

四、查询索引

1、match_all查询所有

body = {
        "query": {
            "match_all": {},
        },
        "size": 50,  # size不设置会默认返回5条
    }
result = es.search(index='index_name', doc_type='doc_type', body=body)

2、分词相关查询

关键词	keyword类型	text类型	是否支持分词
term	完全匹配	查询条件中关键词不会被分词，它必须整个关键词和document中的某个分词匹配，才能搜索到，多个分词时必须连续，顺序不能颠倒。	是
match	完全匹配	match分词结果和text的分词结果有相同的即可	否
match_phrase	完全匹配	match_phrase的分词结果必须在text字段分词中都包含，而且顺序必须相同，而且必须都是连续的。	是
query_string	完全匹配	query_string中和match_string基本一样，区别是它不考虑顺序	是

# term是代表完全匹配，即不进行分词器分析，文档中必须包含整个搜索的词汇
body = {
  "query": {
    "term": {
      "content": "汽车保养"
    "from": 1,  # 从第几个开始返回
    "size": 30,  # 一次返回多少个
    }
  }
}

# match 分词,部分匹配查询，包含文本分词后的一个或多个词即符合条件
bod