解决match/range [match] malformed query, expected [END_OBJECT] but found [FIELD_NAME]

这篇具有很好参考价值的文章主要介绍了解决match/range [match] malformed query, expected [END_OBJECT] but found [FIELD_NAME]。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

使用es查询数据的时候会遇到提示match/range [match] malformed query, expected [END_OBJECT] but found [FIELD_NAME]错误,这个时候你需要检查一下自己的query条件的大括号,这类问题基本是花括号的位置不正确引起的,例如

body = {"query": {
        "bool": {
            'must': [{"match_phrase": {'***': '***'}},
                     {'match_phrase': {'****': '****'}},
                     {'term': {'**': '**'}}]
        }},
        "from": **,
        "size":**
    }

是正确的,如果是这样就会报上述错误,下面是错误示范

body = {"query": {
        "bool": {
            'must': [{"match_phrase": {'***': '***'}},
                     {'match_phrase': {'****': '****'}},
                     {'term': {'**': '**'}}]
        },
        "from": **,
        "size": **
        }
    }

大家看出区别了吗,就是query的括号位置问题,因为在query里面没有from和size方法。文章来源地址https://www.toymoban.com/news/detail-529578.html

到了这里,关于解决match/range [match] malformed query, expected [END_OBJECT] but found [FIELD_NAME]的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • [match_phrase_prefix] query does not support [zero_terms_query] 问题解决

    @[TOC][match_phrase_prefix] query does not support [zero_terms_query] 问题解决 elasticsearch版本 :7.8 客户端elasticsearch : 7.12.1 报错代码 match_phrase_prefix在Elasticsearch 7.10版本后才支持zero_terms_query选项 https://github.com/elastic/elasticsearch/issues/58468

    2024年02月16日
    浏览(47)
  • 解决./composer.json" does not match the expected JSON schema

    如果执行composer install的时候报错 这是因为name里的格式不符合要求,需要 有/   ,并且不能有大写,仔细检查下正则那句话 无语!

    2024年02月16日
    浏览(65)
  • 记录解决RuntimeError: Sizes of tensors must match except in dimension 1. Expected size 27 but got size

    在做目标检测服务过程中,将yolov7模型通过flask打包成预测服务API,此次训练的图像输入大小是1280,输入预测图片是如果图像大于1280则预测成功,小于1280则报RuntimeError: Sizes of tensors must match except in dimension 1. Expected size 27 but got size。 由于只有小图片预测报错,猜测是图像处理

    2024年02月11日
    浏览(45)
  • es报Unexpected character (‘ï‘ (code 239)): was expecting comma to separate Object entries解决方法

    【现象】执行es命令时,报如下错误: {   \\\"error\\\" : {     \\\"root_cause\\\" : [       {         \\\"type\\\" : \\\"parse_exception\\\",         \\\"reason\\\" : \\\"Failed to parse content to map\\\"       }     ],     \\\"type\\\" : \\\"parse_exception\\\",     \\\"reason\\\" : \\\"Failed to parse content to map\\\",     \\\"caused_by\\\" : {       \\\"type\\\" : \\\"json_parse_excep

    2024年02月03日
    浏览(41)
  • ElasticSearch中查询语句用法(match、match_phrase、multi_match、query_string)

    略 1.1 不同字段权重         如果需要为不同字段设置不同权重,可以考虑使用 bool 查询的 should 子句来组合多个 match 查询,并为每个 match 查询设置不同的权重。         上面的查询将在 product_name 字段和 description 字段中搜索包含 \\\"apple\\\" 的文档,并为 product_name 字段设

    2024年02月10日
    浏览(43)
  • vChain: Enabling Verifiable Boolean Range Queries over Blockchain Databases(sigmod‘2019)

    由于加密货币和去中心化应用程序的繁荣,区块链最近受到关注。查询存储在区块链数据库中的数据的需求越来越大。为了保证查询的完整性,用户可以维护整个区块链数据库并在本地查询数据。但是,由于区块链的庞大数据量和可观的维护成本,这种方法即使不是不可行,

    2023年04月14日
    浏览(28)
  • ElasticSearch中结构化查询(term、terms、range、exists、match、bool)

            term 主要用于精确匹配哪些值,比如数字,日期,布尔值或 not_analyzed 的字符串(未经分析的文本数据类型): 当前数据库中的数据:         terms 跟 term 相似,但 terms 允许指定多个匹配条件。 如果某个字段指定了多个值,那么文档需要一起去做匹配:      

    2024年02月05日
    浏览(48)
  • End-to-End Object Detection with Transformers(论文解析)

    我们提出了一种将目标检测视为直接集合预测问题的新方法。我们的方法简化了检测流程,有效地消除了许多手工设计的组件的需求,如显式编码我们关于任务的先验知识的非极大值抑制过程或锚点生成。新框架的主要要素,称为DEtection TRansformer或DETR,包括一个基于集合的全

    2024年02月09日
    浏览(45)
  • DETR-《End-to-End Object Detection with Transformers》论文精读笔记

    End-to-End Object Detection with Transformers 参考:跟着李沐学AI-DETR 论文精读【论文精读】 在摘要部分作者,主要说明了如下几点: DETR是一个端到端(end-to-end)框架,释放了传统基于CNN框架的一阶段(YOLO等)、二阶段(FasterRCNN等)目标检测器中需要大量的人工参与的步骤,例如:

    2024年02月11日
    浏览(52)
  • 【Paper Reading】DETR:End-to-End Object Detection with Transformers

    Transformer已经在NLP领域大展拳脚,逐步替代了LSTM/GRU等相关的Recurrent Neural Networks,相比于传统的RNN,Transformer主要具有以下几点优势 可解决长时序依赖问题,因为Transformer在计算attention的时候是在全局维度进行展开计算的,所以不存在长时序中的梯度消失等问题。 Transformer的

    2024年02月14日
    浏览(52)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包