Elasticsearch ingest-attachmentプラグインを使用してPDFファイルをインデックスする方法はありますか？

Question

Elasticsearch ingestプラグインを使用して、pdf文書でフルテキストベースの検索を実装する必要があります。私が単語somewordをpdf文書で検索しようとしているときに、空のヒット配列を取得しています。

//Code for creating pipeline 

PUT _ingest/pipeline/attachment 
{ 
    "description" : "Extract attachment information", 
    "processors" : [ 
     { 
     "attachment" : { 
     "field" : "data", 
     "indexed_chars" : -1 
     } 
     } 
    ] 
} 

//Code for creating the index 

PUT my_index/my_type/my_id?pipeline=attachment 
{ 
    "filename" : "C:\\Users\\myname\\Desktop\\bh1.pdf", 
    "title" : "Quick", 
    "data": "e1xydGYxXGFuc2kNCkxvcmVtIGlwc3VtIGRvbG9yIHNpdCBhbWV0DQpccGFyIH0=" 

} 

//Code for searching the word in pdf 

GET /my_index/my_type/_search 
{ 
    "query": { 
    "match": { 
     "data" : { 
     "query" : "someword" 
    } 
} 
} 

Answer 1

あなたはBase64でエンコードされたコンテンツを渡すことによって、2番目のコマンドでインデックスあなたの文書が、文書はその後、次のようになります。

 { 
      "filename": "C:\\Users\\myname\\Desktop\\bh1.pdf", 
      "data": "e1xydGYxXGFuc2kNCkxvcmVtIGlwc3VtIGRvbG9yIHNpdCBhbWV0DQpccGFyIH0=", 
      "attachment": { 
       "content_type": "application/rtf", 
       "language": "ro", 
       "content": "Lorem ipsum dolor sit amet", 
       "content_length": 28 
      }, 
      "title": "Quick" 
     } 

だからあなたのクエリがattachment.contentフィールドを調べていないする必要がありますdata 1（唯一のインデックス作成時に生のコンテンツを送信する目的を果たしている）

これにクエリを変更し、それが動作します：

POST /my_index/my_type/_search 
{ 
    "query": { 
     "match": { 
     "attachment.content": {   <---- change this 
      "query": "lorem" 
     } 
     } 
    } 
} 

PS：あなたはPDFビューアでPDFを開いた場合は、代わりGETの使用POSTペイロードを送信