Elasticsearch Update by Query：如何正确设置正则字符串字段

为啥之前的尝试会出错 #

• 第一次用数组赋值：你的字段映射是keyword类型，只能存单值字符串，赋值数组会让字段变成列表格式，R的stringr::str_match只认字符串，自然报错。
• 第二次直接写正则：Painless脚本里反斜杠是特殊符号，\d里的反斜杠没转义，脚本编译时会把\d当成非法字符，所以编译失败。

正确的批量更新方法 #

用_update_by_query批量给缺失字段赋值，只处理没有dbas_station_regex的文档，已有的不动：

POST /你的索引名/_update_by_query
{
  "query": {
    "bool": {
      "must_not": {
        "exists": {
          "field": "dbas_station_regex"
        }
      }
    }
  },
  "script": {
    "source": "ctx._source.dbas_station_regex = '^(GW\\\\d{5})_';",
    "lang": "painless"
  }
}

重点：正则里的\d必须写成\\d，因为Painless里单个反斜杠是用来转义自身的，双反斜杠才能表示正则里的数字匹配符。

单文档更新的写法（可选） #

如果只需要更新某一个文档，用这个：

POST /你的索引名/_update/文档ID
{
  "script": {
    "source": "if (ctx._source.dbas_station_regex == null) { ctx._source.dbas_station_regex = '^(GW\\\\d{5})_'; }",
    "lang": "painless"
  }
}

验证更新结果 #

执行完更新后，查一下文档确认字段类型和值：

GET /你的索引名/_search
{
  "query": {
    "exists": {
      "field": "dbas_station_regex"
    }
  },
  "_source": ["dbas_station_regex"]
}

之后在R里用stringr::str_match读取，字段会被识别为正常字符串，不会再报错。

内容的提问来源于stack exchange，提问作者Franzi