regex - elasticsearch span_near查询错误命中

Question

我有一个包含xml文档的文本字段，我尝试在其中找到这种匹配项:
<Payer> [...] bic=\"123456789\" [...] </Payer>
使用以下查询:

{
    "query": {
        "span_near" : {
            "clauses" : [
            { "span_term" : { "field" : "payer" }},
            { "span_term" : { "field" : "bic" }},
            { "span_term" : { "field" : "123456789" }},
            { "span_term" : { "field" : "payer"}}
            ],
            "slop" : 500,
            "in_order" : true
        }
    }
}

问题是，如果xml文档包含类似以下内容，有时我会得到错误的匹配:

<Payer>bic=\"111111111\"</Payer><Payee>bic=\"123456789\"</Payee><Payer>bic=\"222222222\"</Payer>

查询查找 PayeE而不是 PayeR。从 elastic Angular 来看，它仍然有效。

有什么主意可以阻止这种“贪婪”搜索吗？

据 this所知，regexp不是一个选择，因为“Elasticsearch(和lucene)不支持与Perl兼容的正则表达式的语法”。这意味着 regexp-query匹配标记，而不是整个字符串。

我还尝试制作最后一个 span_term(例如 /payer或 \\/payer或 </payer)，但它什么也没找到。

Answer 1

您可以添加 span_not 查询:

Removes matches which overlap with another span query. The span not query maps to Lucene SpanNotQuery.