【大数据实战】将普通文本文件导入ElasticSearch

以《刑法》文本.txt为例。

一、格式化数据

1，首先，ElasticSearch只能接收格式化的数据，所以，我们需要将文本文件转换为格式化的数据---json。

下图为未处理的文本文件。

2，这里，使用python文件操作，将文本格式化为ElasticSearch可识别的json格式。

#python 3.6
#!/usr/bin/env python

# -*- coding:utf-8 -*-
__author__ = 'BH8ANK'
'''
最终将输出格式改为
{"index":{"_index":"xingfa","_id":1}}
{"text_entry":"犯罪的行为或者结果有一项发生在中华人民共和国领域内的，就认为是在中华人民共和国领域内犯罪。"}

'''

'''读取文件
'''
a = open(r"D:\xingfa.txt", "r",encoding='utf-8')
out = a.read()
#print(out)
TypeList = out.split('\n')
#print(TypeList)

lenth = len(TypeList)
print(lenth)

number = 1
ju_1 = '{"index":{"_index":"xingfa","_id":'
ju_2 = '{"text_entry":"'

# print(ju_1)
for x in TypeList:

    res_1 = ju_1 + str(number) + '}}'+'\n'
    print(res_1)
    a = open(r"D:\out.json", "a", encoding='UTF-8')
    a.write(res_1)

    res_2 = ju_2 + x + '"}'+'\n'
    print(res_2)
    a = open(r"D:\out.json", "a", encoding='UTF-8')
    a.write(res_2)

    a.close()
    number+=1

3，执行后，输出的json内容为：

二、将数据导入ElasticSearch

1，我们要为即将导入的数据，建立映射。此操作可以在kibana或命令行完成。

PUT /xingfa
{
 "mappings": {
  "doc": {
       "properties": {
          "text_entry":{"type":"keyword"}
       }
  }
 }
}

2，登录虚拟机，将之前生成的out.json文件，导入到对应ElasticSearch集群中。

我们的ES组网情况如上图。

操作如下：

命令如下：

curl -H 'Content-Type: application/x-ndjson' -XPOST '10.0.0.19:9200/xingfa/doc/_bulk?pretty' --data-binary @out.json

等待命令执行完成后，即可登录kibana去查询对应的数据了。

使用查询语句：

GET /xingfa/_search/
{
  "query": { "match_all": {} },
  "size":""                         //此处设置为9999，主要原因是，不加参数的话，默认搜索结果仅显示部分，一般是5.
}

也可以直接在虚拟机命令行里，查询这个索引，确认数据是否已经完成上传。

使用查询语句：

curl -XGET "http://10.0.0.19:9200/xingfa/_search/" -H 'Content-Type: application/json' -d'
{
  "query": {
    "match_all": {}
  },
  "size": ""
}'

至此，完成数据导入。