干货 | 知识库全文检索的最佳实践

1、题记

这是stackoverflow上一篇精彩的问答。

原文不大好理解，我做了梳理+图解；
原文是ES早期版本，部分写法已不适用，所有DSL我在6.X上进行了重写和验证；
针对原文内容做了扩展。

2、知识库全文检索问题抛出

重新审视一个停滞不前的项目，并寻求建议，对数千个“旧”文档进行现代化改造，

最终期望效果：通过网络访问这些文档。
文档以各种格式存在，有些已经过时：

• .doc，
• PageMaker，
• 硬拷贝hardcopy （OCR），
• PDF

  ……

很多文档已经被转化成扫描版的PDF，之前我们认为PDF类型是最终的文档格式，现在看来，我们想听听建议（比如： 是不是更好呢？）

核心需求点：

1、一旦所有文档都采用通用格式，我们希望通过网页界面提供其内容并提供搜索服务。

2、我们希望通过搜索，能够灵活地只返回整个文档的部分页面（我相信的Lucene /