elasticsearch - 如何配置Elasticsearch在单词的开头或结尾找到子字符串(而不是在中间)？

Question

我开始学习Elasticsearch，现在尝试编写我的第一个分析器配置。我想要实现的是，如果子字符串位于单词的开头或结尾，则可以找到它们。如果我有单词“stackoverflow”，并且搜索“stack”，我想找到它，当我搜索“flow”时，我想找到它，但是当我搜索“ackov”时，我不想找到它(在我的用例这是没有意义的)。

我知道有“Edge n gram标记器”，但是一个分析器只能有一个tokenizer，并且Edge n-gram可以在正面或背面(但不能同时在两者之间)。

而且，如果我正确理解了，将“Edge ngram filter”的两个版本(正反两个)应用于分析器，那么我将找不到任何一个，因为两个过滤器都需要返回true，不是吗？因为“stack”不会在单词的结尾，所以后沿n gram过滤器将返回false，并且不会找到单词“stackoverflow”。

因此，如何配置分析器以在单词的结尾或开头而不是在中间找到子字符串？

Answer 1

可以做的是定义两个分析器，一个用于在字符串的开头进行匹配，另一个用于在字符串的末尾进行匹配。在下面的索引设置中，我将前一个命名为prefix_edge_ngram_analyzer，将后一个命名为suffix_edge_ngram_analyzer。可以将这两个分析器分别应用于text.prefix子字段和text.suffix字符串字段的多字段字符串字段。

{
  "settings": {
    "analysis": {
      "analyzer": {
        "prefix_edge_ngram_analyzer": {
          "tokenizer": "prefix_edge_ngram_tokenizer",
          "filter": ["lowercase"]
        },
        "suffix_edge_ngram_analyzer": {
          "tokenizer": "keyword",
          "filter" : ["lowercase","reverse","suffix_edge_ngram_filter","reverse"]
        }
      },
      "tokenizer": {
        "prefix_edge_ngram_tokenizer": {
          "type": "edgeNGram",
          "min_gram": "2",
          "max_gram": "25"
        }
      },
      "filter": {
        "suffix_edge_ngram_filter": {
          "type": "edgeNGram",
          "min_gram": 2,
          "max_gram": 25
        }
      }
    }
  },
  "mappings": {
    "test_type": {
      "properties": {
        "text": {
          "type": "string",
          "fields": {
            "prefix": {
              "type": "string",
              "analyzer": "prefix_edge_ngram_analyzer"
            },
            "suffix": {
              "type": "string",
              "analyzer": "suffix_edge_ngram_analyzer"
            }
          }
        }
      }
    }
  }
}

然后，假设我们为以下测试文档建立索引:

PUT test_index/test_type/1
{ "text": "stackoverflow" }

然后，我们可以使用以下查询按前缀或后缀进行搜索:

# input is "stack" => 1 result
GET test_index/test_type/_search?q=text.prefix:stack OR text.suffix:stack

# input is "flow" => 1 result
GET test_index/test_type/_search?q=text.prefix:flow OR text.suffix:flow

# input is "ackov" => 0 result
GET test_index/test_type/_search?q=text.prefix:ackov OR text.suffix:ackov

使用查询DSL进行查询的另一种方法:

POST test_index/test_type/_search
{
   "query": {
      "multi_match": {
         "query": "stack",
         "fields": [ "text.*" ]
      }
   }
}

更新

如果您已经有一个字符串字段，则可以将其“升级”为多字段，并使用其分析器创建两个必需的子字段。这样做的方法是依次执行以下操作:

关闭索引以创建分析器

POST test_index/_close

更新索引设置

PUT test_index/_settings
{
"analysis": {
  "analyzer": {
    "prefix_edge_ngram_analyzer": {
      "tokenizer": "prefix_edge_ngram_tokenizer",
      "filter": ["lowercase"]
    },
    "suffix_edge_ngram_analyzer": {
      "tokenizer": "keyword",
      "filter" : ["lowercase","reverse","suffix_edge_ngram_filter","reverse"]
    }
  },
  "tokenizer": {
    "prefix_edge_ngram_tokenizer": {
      "type": "edgeNGram",
      "min_gram": "2",
      "max_gram": "25"
    }
  },
  "filter": {
    "suffix_edge_ngram_filter": {
      "type": "edgeNGram",
      "min_gram": 2,
      "max_gram": 25
    }
  }
}
}

重新打开您的索引

POST test_index/_open

最后，更新您的文本字段的映射

PUT test_index/_mapping/test_type
{
  "properties": {
    "text": {
      "type": "string",
      "fields": {
        "prefix": {
          "type": "string",
          "analyzer": "prefix_edge_ngram_analyzer"
        },
        "suffix": {
          "type": "string",
          "analyzer": "suffix_edge_ngram_analyzer"
        }
      }
    }
  }
}

您仍然需要重新索引所有文档，以便填充和分析新的子字段text.prefix和text.suffix。