本帖最后由 thepoy 于 2021-5-4 14:25 编辑
爬取掘金的热门推荐页面部分信息作为示例数据保存到 es 中进行查询。
源码地址：https://github.com/thep0y/juejin-hot-es-example
本项目中对 es 基本的创建、查询和删除操作均有简单实现。
简介
查询时使用命令行进行，示例项目的命令如下：
juejin allows you to index and search hot-recommended article's titles
Usage:
juejin [command]
Available Commands:
delete Delete item with id
help Help about any command
index Index juejin hot-recommended articles into Elasticsearch
search Search juejin hot recommended articles
Flags:
-h, --help help for juejin
-i, --index string Index name (default "juejin")
Use "juejin [command] --help" for more information about a command.
可选命令为index、search和delete。
其中index也有可选命令：
--pages int The count of pages you want to crawl (default 5)
--setup Create Elasticsearch index
本项目使用的是本地 es ，推荐用 docker 创建，es 中需要安装 ik 中文分词插件。
1 创建索引
go run main.go index --setup
默认会根据项目中指定的 mapping 创建索引，并爬取存储 5 页、共 100 条信息。
结果如下所示：
8:10PM INF Creating index with mapping
8:10PM INF Starting the crawl with 0 workers at 0 offset
8:10PM INF Stored doc Article ID=6957974706943164447 title="算法篇01、排序算法"
8:10PM INF Stored doc Article ID=6953868764362309639 title="如何处理浏览器的断网情况？"
...
8:10PM INF Skipping existing doc ID=6957726578692341791
8:10PM INF Skipping existing doc ID=6957925118429364255
8:10PM INF Skipping existing doc ID=6953868764362309639
8:10PM INF Skipping existing doc ID=6957981912669519903
8:10PM INF Skipping existing doc ID=6953059119561441287
8:10PM INF Skipping existing doc ID=6955336007839383588
...
8:10PM INF Stored doc Article ID=6957930535574306847 title="Node系列-阻塞和非阻塞的理解"
8:10PM INF Stored doc Article ID=6956602138201948196 title="《前端领域的转译打包工具链》上篇"
8:10PM INF Stored doc Article ID=6957982556885090312 title="JS篇：事件流"
终端结果截图：
因为每页有 20 条，共爬 5 页，所以理论上应存储 100 条信息，但其中可能会存在几条重复信息，所以最后保存时可能会小于 100 条。
2 爬取 10 页
go run main.go index --pages 10
运行这条命令时，不会再创建索引，而是直接开始爬虫，因为只是示例项目，所以没有增加起始页和最终页的选择，只提供最终页码作为可选参数。
运行结果与上小节基本相同：
3 查询
查询时，使用的是词组查询，中文更适合使用词组查询，不然每个查询词被拆分成单字查询，结果一般不是我们想要的。
go run main.go search 前端
查询到的结果中会将查询词高亮显示：
4 删除
go run main.go delete [id]
如：
对已删除的 id 再执行删除操作：
| 
发表于 2021-5-3 20:46
|
发表于 2021-5-3 21:03
