如何查询Elasticsearch获取搜索关键词/语句的位置、段落及页码？

要做到只返回关键词/语句所在段落和对应页码，核心是利用Elasticsearch的高亮特性，同时提前把文档拆成段落+页码的结构存储，具体步骤如下：

1. 索引时结构化存储文档 #

别把整个文档存成一个字段，拆分后按以下结构导入：

• page_number: 对应段落的页码（整数类型）
• paragraph: 单个段落的内容（文本类型）
• document_id: 原文档的唯一标识（可选，用来关联原文档）

示例索引映射：

PUT /documents
{
  "mappings": {
    "properties": {
      "page_number": {"type": "integer"},
      "paragraph": {"type": "text"},
      "document_id": {"type": "keyword"}
    }
  }
}

2. 查询时启用高亮并指定返回字段 #

查询时针对paragraph字段做匹配，同时开启高亮，并且只返回page_number等必要字段，避免返回完整文档。

示例查询DSL：

GET /documents/_search
{
  "query": {
    "match": {
      "paragraph": "你的目标关键词或语句"
    }
  },
  "highlight": {
    "fields": {
      "paragraph": {}
    }
  },
  "_source": ["page_number", "document_id"] // 只拿需要的字段，减少数据传输
}

3. 提取结果展示 #

返回的结果里，hits.highlight.paragraph是带高亮标记的目标段落，_source.page_number就是对应的页码，直接提取这两部分展示即可。如果需要自定义高亮样式，还可以在highlight里设置pre_tags和post_tags，比如用<strong>替换默认的<em>。

关键提醒 #

• 拆分文档时一定要确保每个段落和页码对应准确，这是后续查询精准的基础。
• 按段落存储比存整个大文档的查询性能更好，结果也更精准。

内容的提问来源于stack exchange，提问作者Arinze