使用Painless脚本提取Elasticsearch字段时遇BadRequestError求助

通过Python调用Elasticsearch的update_by_query接口，尝试用Painless脚本从body_text字段提取指定内容到新字段testxy。目标记录的body_text内容为：

Purpose prong invitations Homely wine pocketses\nSOURCE: THE NY TIMES, NEW YORK\nReaches stealing jambags Azog pull ask

需要提取其中的THE NY TIMES, NEW YORK到testxy字段。

现状对比 #

• 替换类正则脚本可正常执行，能成功更新testxy字段：

scr = {
    "lang": "painless",
    "source": "ctx._source.testxy = /[aeiou]/.matcher(ctx._source.body_text).replaceAll('')"
}

• 提取类正则脚本均报错：
  写法一触发BadRequestError（编译错误）：

  scr = {
      "lang": "painless",
      "source": "ctx._source.testxy = /SOURCE.*?\n/.matcher(ctx._source.body_text).group(1)"
  }
  

  写法二在Dev Tools执行时提示No match found：

  scr = {
      "lang": "painless",
      "source": "Pattern p = Pattern.compile(\"SOURCE\"); Matcher m = p.matcher(ctx._source.body_text); ctx._source.testxy = m.group(1)"
  }
  

  但用相同正则的replaceAll操作能正常移除目标文本，对此存在困惑，需明确问题原因及解决方法。

问题原因及解决方法 #

核心问题 #

1. 无捕获分组：第一个提取脚本的正则未定义捕获分组，调用group(1)会直接报错——group(1)对应正则中的第一个括号分组，没有分组自然无法获取内容。
2. 未检查匹配状态：即使正则正确，直接调用group()前必须先执行find()确认匹配成功，否则会抛出No match found异常。
3. 正则匹配范围错误：原正则SOURCE.*?\n匹配的是从SOURCE到换行的整段内容，没有精准定位到需要提取的报纸名称部分。

正确脚本写法 #

scr = {
    "lang": "painless",
    "source": """
        def matcher = /SOURCE: (.*?)\n/.matcher(ctx._source.body_text);
        if (matcher.find()) {
            ctx._source.testxy = matcher.group(1);
        } else {
            ctx._source.testxy = null; // 可替换为自定义默认值
        }
    """
}

说明 #

• 正则/SOURCE: (.*?)\n/中，(.*?)是捕获分组，专门提取SOURCE: 之后到换行符前的目标内容。
• 先执行matcher.find()验证是否存在匹配结果，再调用group(1)获取分组内容，避免无匹配时的异常。
• 使用Python多行字符串（三引号）编写Painless脚本，既提升可读性，又避免转义字符冲突问题。

内容的提问来源于stack exchange，提问作者geotheory