03.ElasticSearch高级检索

2023-01-17 09:21 569阅读 0赞

### ElasticSearch高级检索 ###

*  ElasticSearch高级检索
 *   *  检索方式( \_search)
     *   *  使用语法
     *  准备工作
     *  URL查询
     *   *   *  1.查询所有(q=\*)
             *  2.按字段排序（sort）
             *  3.分页查询（from&size）
             *  4.返回指定字段的查询结果(source)
     *  DSL查询
     *   *   *  1.查询所有（match\_all）
             *  2.返回指定条数(size)
             *  3.分页查询（from&size）
             *  4.查询的结果集中返回指定字段（\_source）
             *  5.关键字查询（term）
             *  6.范围查询（range）
             *  7.前缀查询（prefix）
             *  8.通配符查询（wildcard）
             *  9.多id查询（ids）
             *  10.模糊查询（fuzzy）
             *  11.布尔查询（bool）
             *  12.高亮查询（highlight）
             *  13.多字段查询（multi\_match）
             *  14.多字段分词查询（query\_string）

# ElasticSearch高级检索 #

## 检索方式( \_search) ##

ES官方提供了两中检索方式:**一种是通过 URL 参数进行搜索,另一种是通过 DSL(Domain Specified Language) 进行搜索**。**官方更推荐使用第二种方式第二种方式是基于传递JSON作为请求体(request body)格式与ES进行交互，这种方式更强大，更简洁**。

![在这里插入图片描述][20210428172712326.png_pic_center]

### 使用语法 ###

**URL查询**: GET /索引/类型/\_search?参数

**DSL查询**: GET /索引/类型/\_search \{\}

## 准备工作 ##

开始高级检索之前先来准备一下测试数据

1.删除索引
    DELETE /christy
    
    2.创建索引、映射与类型
    PUT /christy
    { 
      "mappings": { 
        "user":{ 
          "properties":{ 
            "name":{ 
              "type":"text"
            },
            "age":{ 
              "type":"integer"
            },
            "bir":{ 
              "type":"date"
            },
            "introduce":{ 
              "type":"text"
            },
            "address":{ 
              "type":"keyword"
            }
          }
        }
      }
    }
    
    3.批量插入数据
    PUT /christy/user/_bulk
      { "index":{ }}
      { "name":"Christy","age":20,"bir":"2001-01-01","introduce":"不要求很帅，像我这样就可以了","address":"京师"}
      { "index":{ }}
      { "name":"Tide","age":23,"bir":"1998-09-08","introduce":"魔镜魔镜谁是世界上最美的女人","address":"开封"}
      { "index":{ }}
      { "name":"hardy","age":5,"bir":"2016-02-12","introduce":"调皮捣蛋我最行","address":"杭州"}
      { "index":{ }}
      { "name":"Tom","age":18,"bir":"2003-12-12","introduce":"Jerry是我最好的朋友","address":"纽约"}
      { "index":{ }}
      { "name":"Jerry","age":6,"bir":"2015-10-10","introduce":"没有Tom的日子我真的好难过","address":"华盛顿"}
      { "index":{ }}
      { "name":"布什","age":3,"bir":"2018-11-10","introduce":"我不是美国的那个总统，我只是一条普拉多，没有骂人的意思","address":"华盛顿"}

## URL查询 ##

#### 1.查询所有(q=\*) ####

**语法：**`GET /index/type/_search?q=*`。例如我想查询索引`Christy`下`user`类型的所有数据，可以这么写：

`GET /christy/user/_search?q=*`

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70]

上述结果可以看到该指令成功返回了查询结果，也符合我们的预期。对于返回结果中每个字段的意思如下图

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 1]

#### 2.按字段排序（sort） ####

**语法：**`GET /index/type/_search?q=*&sort=fileName`。比如上面查询出所有结果之后按年龄来排序，应该像下面这样：

`GET /christy/user/_search?q=*&sort=age`

![在这里插入图片描述][20210428172833599.gif]

#### 3.分页查询（from&size） ####

**语法：**`GET /index/type/_search?q=*&sort=fileName&size=count&from=(pageNumber-1)*size`。例如：我想取出按年龄排序后结果中的前两天数据，应该像下面这样写

`GET /christy/user/_search?q=*&sort=age&size=2&from=0`

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 2]

#### 4.返回指定字段的查询结果(source) ####

**语法：**`GET /index/type/_search?q=*&size=1&from=0&_source=filedName1,...`。这个意思就是不需要返回每条记录的所有字段信息，比如我只想查询并返回用户的姓名和年龄，那么可以像下面这样写：

`GET /christy/user/_search?q=*&size=1&from=0&_source=name,age`

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 3]

根据查询的返回结果我们可以看到只返回了我们定义的**name**和**age**两个字段的值

## DSL查询 ##

> DSL查询是官方推荐的查询方式，相比较与URL，DSL能够根据更复杂的条件来查询，也是需要重点掌握的查询方式

#### 1.查询所有（match\_all） ####

GET /christy/user/_search
    { 
     	"query": {  "match_all": { } }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 4]

#### 2.返回指定条数(size) ####

GET /christy/user/_search
    { 
     	"query": {  "match_all": { } },
    	"size": 2
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 5]

#### 3.分页查询（from&size） ####

GET /christy/user/_search
    { 
      "query": { "match_all": { }},
      "size": 2, 
      "from": 1
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 6]

> from是从0开始的，上面的分页中我们从1开始取两条，就将第一条用户christy的数据给过滤掉了，返回结果的第一条数据应该是用户Tide

#### 4.查询的结果集中返回指定字段（\_source） ####

GET /christy/user/_search
    { 
      "query": { "match_all": { }},
      "size": 2, 
      "from": 1,
      "_source":["name","age"]
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 7]

通过返回结果我们可以看到在上面分页结果的基础上只返回用户的name和age也是没有问题的。这里要注意的是**命令中\_source的参数是以数组的方式传递的**

#### 5.关键字查询（term） ####

GET /christy/user/_search
    { 
      "query": { 
        "term": { 
          "address": { 
            "value": "开封"
          }
        }
      }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 8]

> **NOTE1: 通过使用term查询得知ES中默认使用分词器为标准分词器(StandardAnalyzer),标准分词器对于英文单词分词,对于中文单字分词**。
> 
> **NOTE2: 通过使用term查询得知,在ES的Mapping Type 中 keyword , date ,integer, long , double , boolean or ip 这些类型不分词**，**只有text类型分词**。

上面两条NOTE是什么意思呢？标准分词器将type类型为text的字段值分词后，只能按照单个汉字或者英文单词来查询，否则查询不到数据；比如我们测试数据的`name`类型是**text**，其中有一条名字叫做"布什"的普拉多，我们这个时候直接搜索**布什**是什么都搜索不到的，但是搜索单个的**布**或者**什**是可以找到这只可爱的普拉多的，就像下图演示的一样

![在这里插入图片描述][20210428173131262.gif]

#### 6.范围查询（range） ####

GET /christy/user/_search
    { 
      "query": { 
        "range": { 
          "age": { 
            "gte": 8,
            "lte": 30
          }
        }
      }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 9]

上面我们看到的`gte`和`lte`分别是`大于等于`和`小于等于`的意思，上面的命令查询的是**年龄大于等于8岁并且小于等于30岁的用户**。如果需要查询大于8岁并且小于30岁的用户我们只需要把gte和lte改成gt和lt就行了；

#### 7.前缀查询（prefix） ####

GET /christy/user/_search
    { 
      "query": { 
        "prefix": { 
          "content": { 
            "introduce": "最"
          }
        }
      }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 10]

> 前缀查询关键字prefix用来检索含有指定前缀关键字的相关文档。比如上面我们查询**introduce**字段包含`最`的用户。

#### 8.通配符查询（wildcard） ####

通配符查询关键字wildcard说明：

`?`：用来匹配一个字符

`*`：用来匹配任意多个字符

GET /christy/user/_search
    { 
      "query": { 
        "wildcard": { 
          "introduce": { 
            "value": "jerr*"
          }
        }
      }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 11]

> NOTE：我们目前还没有配置分词器，ES用的是自带的标准分词器，一个汉字一个词，所以这里通配符查询不能测试汉字，只能测试英文。

#### 9.多id查询（ids） ####

顾名思义，多id查询就是可以根据多个记录的id来查询多条记录。这个一般都是在实际应用中查询多个记录列表或者详情

GET /christy/user/_search
    { 
      "query": { 
        "ids": { 
          "values": ["OKEuB3kBVQPOYI_dp2GY","PKEuB3kBVQPOYI_dp2GY"]
        }
      }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 12]

#### 10.模糊查询（fuzzy） ####

# fuzzy 模糊查询  最大模糊错误 必须在0-2之间
    # 搜索关键词长度为 2 不允许存在模糊 0
    # 搜索关键词长度为3-5 允许一次模糊 0 1 
    # 搜索关键词长度大于5 允许最大2模糊
    GET /christy/user/_search
    { 
      "query": { 
        "fuzzy": { 
          "introduce":"jerry"
        }
      }
    }

**首先，我们先演示第一种情况：搜索关键词长度为2，不允许存在模糊**

![在这里插入图片描述][20210428173249196.gif]

> address的类型是`keyword`不分词，我们输入**京师**是可以查到数据的，但是我们输入**京湿**是**查询不到的**

**现在我们来演示第二种情况：搜索关键字长度3-5，最大只允许一个模糊字符**

![在这里插入图片描述][202104281733025.gif]

> 按照`introduce`查找**jerry**是可以查询到数据的，我们改错一个字符也没有问题，但是改错两个字符就不行了

最后我们来演示最后一种情况，搜索关键字大于5时，最大只允许模糊两个字符，为此我们先准备一条数据

PUT /christy/user/_bulk
      { "index":{ }}
      { "name":"ElasticSearch","age":20,"bir":"2001-01-01","introduce":"ElasticSearch是最牛逼的搜索的引擎","address":"china"}

然后我们就以`elasticsearch`为搜索关键字进行查询

![在这里插入图片描述][20210428173314615.gif]

效果如上图，这里就不解释了

#### 11.布尔查询（bool） ####

bool关键字用来组合多个条件实现复杂查询，这也是bool查询的强大之处

`must`：相当于&&，同时成立

`should`：相当于||，满足一个条件就行

`must_not`：相当于！，不能满足任何一个

GET /christy/user/_search
    { 
      "query": { 
        "bool": { 
          "must": [
            { 
              "range": { 
                "age": { 
                  "gte": 0,
                  "lte": 30
                }
              }
            }
          ],
          "must_not": [
            { "wildcard": { 
              "introduce": { 
                "value": "jerr*"
              }
            }}
          ],
          "should": [
            { 
              "term": { 
                "age": { 
                  "value": "20"
                }
              }
            },
            { 
              "term": { 
                "introduce": { 
                  "value": "tom"
                }
              }
            }
          ]
        }
      }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 13]

#### 12.高亮查询（highlight） ####

高亮关键字highlight可以让符合条件的文档中的关键字高亮，类似于下面这样

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 14]

GET /christy/user/_search
    { 
      "query": { 
        "term": { 
          "introduce": { 
            "value": "elasticsearch"
          }
        }
      },
      # highlight不是直接对结果进行高亮，而是对结果二次渲染高亮
      "highlight": { 
      	# fields意思是对哪些字段匹配出来的结果进行高亮，虽然我们上面是查询introduce里面的elasticsearch，但是如果我们其他的字段比如‘name’中也有elasticsearch或者其他字段中也有，并且我们也希望高亮，那么我们像下面这样写成*即可
        "fields": { 
          "*": { }
        }
      }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 15]

> 查询结果我们也看到了，ES确实将查询出来的关键字特别处理了，前后加上了，这是斜体的意思，如果我们想实现百度的那种加红处理，需要自定义`pre_tags`和`post_tags`
> 
> 有人说上面的测试结果只把`introduce`里面查询出来的结果高亮了，`name`里面的没有高亮啊？那是因为没有加上`require_field_match`这个属性，他的意思是是否只开启查询字段高亮。属性值必须设置成**false**才能针对所有字段高亮

GET /christy/user/_search
    { 
      "query":{ 
        "term":{ 
          "introduce":"elasticsearch"
        }
      },
      "highlight": { 
        "pre_tags": ["<span style='color:red'>"],
        "post_tags": ["</span>"],
        "require_field_match":false,
        "fields": { 
          "*":{ }
        }
      }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 16]

#### 13.多字段查询（multi\_match） ####

GET /christy/user/_search
    { 
      "query": { 
        "multi_match": { 
          "query": "tom",
          "fields": ["name","introduce"] #这里写要检索的指定字段
        }
      }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 17]

**多字段查询需要注意**

1.如果搜索的字段分词，他会对query进行先分词，后查询

2.如果搜索的字段部分词，他会直接使用query字符串整体进行搜索

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 18]

我们使用`tom纽约`进行搜索，由于`introduce`是**text**类型的，他是分词的；`address`是**keyword**类型的部分词，所以在搜索introduce的时候**先对query进行分词，而查询address的时候不分词，直接使用整体进行查询**。所以在使用多字段查询的时候，查询的字段最好是分词的字段

#### 14.多字段分词查询（query\_string） ####

**多字段分词查询**顾名思义可以对**查询关键字**进行分词，而且可以指定分词器，就是这样一个牛逼的存在

GET /christy/user/_search
    { 
      "query": { 
        "query_string": { 
          "default_field": "introduce",
          "query": "tom和jerry"
        }
      }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 19]

当然们也可以像下面这样写

GET /christy/user/_search
    { 
      "query": { 
        "query_string": { 
          "fields": ["address","introduce"],
          "query": "tom和jerry"
        }
      }
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 20]

这就实现了一个类似上面我们说的多字段查询。上面我们也说了这个可以指定分词器，可以像下面这样

GET /christy/user/_search
    { 
      "query": { 
        "query_string": { 
          "fields": ["address","introduce"],
          "query": "jerry华盛顿",
          "analyzer": "ik_max_word"
        }
      }
    }

这里我们除了标准分词器还没有安装其他分词器，上面我们提到的`ik_max_word`下节我们再讲<(*￣▽￣*)/

[20210428172712326.png_pic_center]: /images/20221021/e32a16e3042844db86a96e51a165cecf.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70]: /images/20221021/24eb0ece52fe49d2be75e08d8f5559d1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 1]: /images/20221021/8a0bc8e0fa714c68916b88bd41d7bcad.png
[20210428172833599.gif]: /images/20221021/3f79ece5c6924b2ba287014c47dc60be.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 2]: /images/20221021/d9d5e78290454f4d8685260c23b8cfa8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 3]: /images/20221021/624462db8d1a4bff91941c0239003ab0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 4]: /images/20221021/cc5019792b764cc3bcc230fb12c028e6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 5]: /images/20221021/52a138aad4ab46a897bec2f890807195.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 6]: /images/20221021/8e70c3f77b5640a7a2688ec9df767284.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 7]: /images/20221021/426453c4d4a0412690c1ed618ab4e8c4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 8]: /images/20221021/3932c9712cf14236bdc97c00f7d7aff4.png
[20210428173131262.gif]: /images/20221021/2323f9bb79424fe4a40f7481e4104423.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 9]: /images/20221021/4881fe280abd490e9cf0041950fba641.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 10]: /images/20221021/f226763248104142b9f0ded786b25d9d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 11]: /images/20221021/0471e788a77a404ab44a8a5876c120c3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 12]: /images/20221021/6d6765cc854640569d3232f97365e4ff.png
[20210428173249196.gif]: /images/20221021/010af9a0016f4e5194b31af554b28132.png
[202104281733025.gif]: /images/20221021/0519af294c6e4253a8db0883fc52d766.png
[20210428173314615.gif]: /images/20221021/9f1d277cf2574125984e69a1ee0af141.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 13]: /images/20221021/1b9439ec259b4ed7bca0058b41402f57.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 14]: /images/20221021/ca71e8a8d5f04fd2b5225ed18fcbbc62.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 15]: /images/20221021/b4e44d86ccf046038a4a4415e1a8a933.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 16]: /images/20221021/36bf17166fff44ddae6af9967a078b5c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 17]: /images/20221021/c5a9f65db83849eca9365492a84bad20.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 18]: /images/20221021/3b87febd7cf14835b977f266122ada43.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 19]: /images/20221021/fd083ce6e1554e73927b7875a1e88906.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JieHlscWYxMjZjb20_size_16_color_FFFFFF_t_70 20]: /images/20221021/419cacaca47443cebdc2efd165f421eb.png