模糊搜索
可以进行模糊搜索：
GET job/type1/_search{ "query":{ "fuzzy":{ "title":{ "value":"linx", "fuzziness": 2, "prefix_length": 1 } } }} 在上面的例子中，可模糊查询与linx相似的单词。
fuzziness是指“编辑距离”，就是说从一个字符串想要通过增删改变换到另一个字符串，需要操作的最少次数。比如，linux和linxu之间的编辑距离为1，因为交换ux就可以完成变换。prefix_length是说多少位字符认为是前缀。前缀部分必须完全匹配。搜索建议
搜索建议功能，需要配合程序，在向es中存入文档时，就需要通过分词等方式，指定搜索建议字段的内容。
指定之后，可通过suggest方式，根据用户的当前输入，获取搜索建议：
GET wechatsearch/passage/_search{ "suggest":{ "my-suggest":{ "text":"ppt", "completion":{ "field":"suggest", "fuzzy":{ "fuzziness":2 } } } }, "_source": "ptitle"} 上面代码搜索出与ppt关键词相近的搜索建议。其中，fuzziness值为2，因此，像p2p、pdf之类的关键词也会被搜索出来。较小的fuzziness会有更精确的匹配。
返回结果示例：
{ "took": 20, "timed_out": false, "_shards": { "total": 5, "successful": 5, "failed": 0 }, "hits": { "total": 0, "max_score": 0, "hits": [] }, "suggest": { "my-suggest": [ { "text": "ppt", "offset": 0, "length": 3, "options": [ { "text": "pdf", "_index": "wechatsearch", "_type": "passage", "_id": "16", "_score": 10, "_source": { "ptitle": "Smallpdf：无所不能的PDF在线处理站" } }, { "text": "ppt", "_index": "wechatsearch", "_type": "passage", "_id": "7", "_score": 10, "_source": { "ptitle": "这18个技巧都不知道，别说你会做PPT" } }, { "text": "pa", "_index": "wechatsearch", "_type": "passage", "_id": "10", "_score": 5, "_source": { "ptitle": "吐血整理了这20个堪称神器的网站，个个都能解你燃眉之急" } } ] } ] }} 搜索高亮
可以指定哪些字段搜索高亮，并且指定高亮字符两侧的包裹标签，从而实现查询的返回结果包含html高亮效果。
GET /megacorp/employee/_search{ "query" : { "match_phrase" : { "about" : "rock climbing" } }, "highlight": { "fields" : { "about" : {} } }} 注意，高亮的结果在返回时单独存放，并不是将_source数据做了改变。
单独有一个highlight部分存放高亮内容：{ ... "hits": { "total": 1, "max_score": 0.23013961, "hits": [ { ... "_score": 0.23013961, "_source": { "first_name": "John", "last_name": "Smith", "age": 25, "about": "I love to go rock climbing", "interests": [ "sports", "music" ] }, "highlight": { "about": [ "I love to go rock climbing" ] } } ] }} 关于ES的入门使用暂时整理到这里。
ES的官方文档是最好的参考资料，介绍很全面。完成这些文档的同时，做了一个简单的小项目，基于Python（Django）的web搜索界面，采用ES作为搜索引擎。
此项目地址：搜索提示：
搜索结果：
