如何使用Python客户端获取Elasticsearch索引下所有文档？代码仅返回首个文档

嘿，我一眼就瞅见你代码里的关键问题了——你在for循环内部用了return语句！这会导致函数刚处理完第一个文档就直接返回结果，后面的文档根本没机会被遍历，所以你只能看到第一条数据。

修正后的基础版本代码 #

如果你的需求是返回所有文档的_id、_source['0']和_source['5']内容，应该先把所有结果收集到一个列表里，最后统一返回：

def get_all_es_docs(es):
    # 执行查询，注意ES高版本要去掉doc_type参数
    res = es.search(
        index="92c603b3-8173-4d7a-9aca-f8c115ff5a18",
        doc_type="doc",  # Elasticsearch 7.x及以后版本请删除此行
        body={'size': 10000, 'query': {'match_all': {}}}
    )
    
    # 适配不同ES版本的总文档数获取方式
    total_docs = res['hits']['total']['value'] if isinstance(res['hits']['total'], dict) else res['hits']['total']
    print(f"{total_docs} documents found")
    
    result = []
    # 遍历所有命中的文档
    for doc in res['hits']['hits']:
        print(doc)
        # 将当前文档的信息加入结果列表
        doc_info = f"{doc['_id']} {doc['_source']['0']} {doc['_source']['5']}"
        result.append(doc_info)
    
    # 最后一次性返回所有结果
    return result

额外提醒与进阶方案 #

• ES版本兼容：如果你的Elasticsearch是7.x及以上版本，doc_type参数已经被废弃，必须删除这个参数，否则会抛出错误。
• 超10000条文档的处理：如果你的索引里文档数量超过10000条，size:10000只能拿到前10000条，这时候需要用**滚动查询（scroll）**来获取全部文档，示例代码如下：

def scroll_get_all_docs(es):
    scroll_timeout = '2m'  # 设置滚动上下文的超时时间
    # 初始化滚动查询
    init_res = es.search(
        index="92c603b3-8173-4d7a-9aca-f8c115ff5a18",
        # doc_type="doc",  # 高版本删除此行
        body={'size': 10000, 'query': {'match_all': {}}},
        scroll=scroll_timeout
    )
    
    scroll_id = init_res['_scroll_id']
    # 适配不同ES版本的总文档数获取方式
    total_docs = init_res['hits']['total']['value'] if isinstance(init_res['hits']['total'], dict) else init_res['hits']['total']
    print(f"{total_docs} documents found")
    
    result = []
    # 处理第一批结果
    for doc in init_res['hits']['hits']:
        result.append(f"{doc['_id']} {doc['_source']['0']} {doc['_source']['5']}")
    
    # 循环滚动获取剩余文档
    while len(init_res['hits']['hits']) > 0:
        init_res = es.scroll(scroll_id=scroll_id, scroll=scroll_timeout)
        scroll_id = init_res['_scroll_id']
        for doc in init_res['hits']['hits']:
            result.append(f"{doc['_id']} {doc['_source']['0']} {doc['_source']['5']}")
    
    # 记得清理滚动上下文，避免资源浪费
    es.clear_scroll(scroll_id=scroll_id)
    return result

这样就能完整获取所有文档的内容啦！

内容的提问来源于stack exchange，提问作者J.Ghassen