regex - Elasticsearch 正则表达式不起作用

Question

我需要在 elasticsearch 上做一个正则表达式来过滤一些数据。我过滤的字段是人名。数据的格式并不总是正确的(有时，没有名字，有时，姓氏后跟句点或逗号或“逗号+名字”或“点+名字”....)。

例如，使用 "bouchard" 我得到以下匹配项:

 "bouchard", "bouchard, m.", "bouchard, j.", "bouchard j.p.", "bouchard. j.p."

我还需要排除以相同前缀开头的名称，例如“bouchardat”。

我尝试了很多正则表达式，最后发现排除可能会产生更好的结果:

   "query" :  { "regexp" : {
                    "RECORDEDBY" : "bouchard([^a-z].*)"
    }}

这不起作用，因为它返回“bouchard, m.”、“bouchard, j.”、“bouchard j.p.” 但不是“bouchard. j.p.”而不是“bouchard”。

我尝试了一些带有 + 和 .* 的正则表达式，但它们不起作用。

( "bouchard([^a-z].*.*)" "bouchard([^a-z]*+.*)")

为了清楚起见，我想允许:

bouchard
bouchard, m.
bouchard, j.
bouchard j.p.
bouchard. j.p.

我要排除

bouchardat

欢迎提出任何建议。

Answer 1

在这种情况下，您可以使用 conditional operator如果没有像 ''、'.' 或 ', 这样的特殊字符，则排除每个 [a-z] 后缀' 跟在您要查找的单词之后:

((bouchard)+?([ .,]+)[ ,.a-zA-Z]*)|(bouchard[^a-zA-Z]?)

此正则表达式返回条件(必须有 [ .,]+):

bouchard
bouchard, m.
bouchard, j.
bouchard j.p.
bouchard. j.p.

并忽略管道 | 之后没有 [ .,]+ 的内容:

bouchardat

Regex101