json - 如何在 Elasticsearch 中进行部分匹配？

Question

我有一个类似 http://drive.google.com 的链接我想匹配链接中的“google”。

我有:

query: {
    bool : {
        must: {
            match: { text: 'google'} 
        }
    }
}

但这仅在整个文本为“google”时匹配(不区分大小写，因此它也匹配 Google 或 GooGlE 等)。如何匹配另一个字符串中的“google”？

Answer 1

重点是您使用的 ElasticSearch 正则表达式 requires a full string match :

Lucene’s patterns are always anchored. The pattern provided must match the entire string.

因此，要匹配任何字符(但换行符除外)，您可以使用 .* 模式:

match: { text: '.*google.*'}
                ^^      ^^

在 ES6+ 中，使用 regexp 代替 match:

"query": {
   "regexp": { "text": ".*google.*"} 
}

另一种变体适用于您的字符串可以包含换行符的情况:match: { text: '(.|\n)*google(.|\n)*'}。这个可怕的 (.|\n)* 在 ElasticSearch 中是必须的，因为这种正则表达式风格不允许任何 [\s\S] 变通方法，也不允许任何 DOTALL/Singleline 标志. "The Lucene regular expression engine is not Perl-compatible but supports a smaller range of operators."

但是，如果您不打算匹配任何复杂的模式并且不需要单词边界检查，则仅通过通配符搜索可以更好地执行正则表达式搜索纯子字符串:

{
    "query": {
        "wildcard": {
            "text": {
                "value": "*google*",
                "boost": 1.0,
                "rewrite": "constant_score"
            }
        }
    }
} 

参见 Wildcard search了解更多详情。

注意:通配符模式也需要匹配整个输入字符串，因此

• google* 查找所有以开头的字符串 google
• *google* 查找所有包含 google
的字符串
• *google 查找所有以结尾的字符串 google

此外，请记住通配符模式中唯一的一对特殊字符:

?, which matches any single character
*, which can match zero or more characters, including an empty one