js中的正则表达式 使用Docker和Elasticsearch搭建全文本搜索引(8)

constendOfBookIndex = book.match( /^*{3}s*END OF (THIS|THE) PROJECT GUTENBERG EBOOK.+*{3}$/m).index

// Clean book text and split into array of paragraphs

constparagraphs = book

.slice(startOfBookIndex, endOfBookIndex) // Remove Guttenberg header and footer

.split( /ns+n/g) // Split each paragraph into it's own array entry

.map( line=>line.replace( /rn/g, ' ').trim()) // Remove paragraph line breaks and whitespace

.map( line=>line.replace( /_/g, '')) // Guttenberg uses "_" to signify italics. We'll remove it, since it makes the raw text look messy.

.filter( (line) =>(line && line.length !== '')) // Remove empty lines

console.log( `Parsed ${paragraphs.length}Paragraphsn`)

return{ title, author, paragraphs }

}

此函数执行以下功能：

从文件系统中读入文件

使用正则表达式抽取书名和作者

通过定位***，来抽取书中内容

解析出段落

清洗数据，移除空行

最后返回一个包含书名、作者和段落列表的对象。

运行docker-compose up -d --build和docker exec gs-api "node" "server/load_data.js" ，输出如下：

到这步，脚本顺利分理出书名和作者，脚本还会因为同样问题出错（调用还未定义的函数）。

4.5 在ES中索引数据文件

最后一步在load_data.js中添加insertBookData函数，将上一节中提取数据插入Elasticsearch索引中。

/** Bulk index the book data in Elasticsearch */

asyncfunction insertBookData(title, author, paragraphs) {

letbulkOps = [] // Array to store bulk operations

// Add an index operation for each section in the book

for( leti = 0; i < paragraphs.length; i++) {

// Describe action

bulkOps.push({ index: { _index: esConnection.index, _type: esConnection.type } })

// Add document

bulkOps.push({

author,

title,

location: i,

text: paragraphs[i]

})

if(i > 0&& i % 500=== 0) { // Do bulk insert in 500 paragraph batches

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-88488-8.html