elasticsearch - 如何使用Elasticsearch对输入的文本执行部分单词搜索？

Question

我有一个查询来搜索以下格式的记录:TR000002_1_2020。
用户应能够通过以下方式搜索结果:TR000002或2_1_2020或TR000002_1_2020或2020。我使用的是Elasticsearch 6.8，所以无法使用E7中引入的内置“按类型输入”功能。因此，我认为wildcard搜索或ngram可能最适合我的需求。这是我的两种方法，以及为什么它们不起作用。

通配符

属性映射:

.Text(t => t
    .Name(tr => tr.TestRecordId)
)

查询:

m => m.Wildcard(w => w
    .Field(tr => tr.TestRecordId)
    .Value($"*{form.TestRecordId}*")
),

此方法有效，但区分大小写，因此如果用户使用 tr000002_1_2020搜索，则不会返回任何结果(因为 t和 r在查询中均小写)

ngram(当您键入等效项时进行搜索)

创建一个自定义的ngram分析器

.Analysis(a => a
    .Analyzers(aa => aa
        .Custom("autocomplete", ca => ca
            .Tokenizer("autocomplete")
            .Filters(new string[] {
                "lowercase"
            })
        )
        .Custom("autocomplete_search", ca => ca
            .Tokenizer("lowercase")
        )
    )
    .Tokenizers(t => t
        .NGram("autocomplete", e => e
            .MinGram(2)
            .MaxGram(16)
            .TokenChars(new TokenChar[] {
                TokenChar.Letter,
                TokenChar.Digit,
                TokenChar.Punctuation,
                TokenChar.Symbol
            })
        )
    )
)

属性映射

.Text(t => t
    .Name(tr => tr.TestRecordId)
    .Analyzer("autocomplete")
    .SearchAnalyzer("autocomplete_search")
)

询问

m => m.Match(m => m
    .Query(form.TestRecordId)
),

如 in this answer所述，这是行不通的，因为 token 生成器将字符拆分为 20和 02和 2020这样的元素，因此，我的查询返回了索引中包含2020的所有文档，例如 TR000002_1_2020和 TR000008_1_2020和 TR000003_6_2020。
Elasticsearch允许我所需的搜索行为的最佳利用方式是什么？我也看到了 query string的使用。谢谢!

Answer 1

这是解决您的要求的一种简单方法(我希望)。

我们使用模式替换char过滤器删除引用(TR000 ...)的固定部分

我们使用拆分标记器将“_”字符

上的引用拆分

我们使用matchPhrase查询来确保引用的片段按

的顺序进行匹配

使用此分析链作为引用 TR000002_1_2020，我们得到 token ["2", "1", "2020" ]。因此它将与查询 ["TR000002_1_2020", "TR000002 1 2020", "2_1_2020", "1_2020"]匹配，但将不匹配 3_1_2020或 2_2_2020。
这是映射和分析的示例。它不在Nest中，但我认为您可以进行翻译。

PUT pattern_split_demo
{
  "settings": {
    "analysis": {
      "char_filter": {
        "replace_char_filter": {
          "type": "pattern_replace",
          "pattern": "^TR0*",
          "replacement": ""
        }
      },
      "tokenizer": {
        "split_tokenizer": {
          "type": "simple_pattern_split",
          "pattern": "_"
        }
      },
      "analyzer": {
        "split_analyzer": {
          "tokenizer": "split_tokenizer",
          "filter": [
            "lowercase"
          ],
          "char_filter": [
            "replace_char_filter"
          ]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "content": {
        "type": "text",
        "analyzer": "split_analyzer"
      }
    }
  }
}

POST pattern_split_demo/_analyze
{
  "text": "TR000002_1_2020",
  "analyzer": "split_analyzer"
} => ["2", "1", "2020"]

POST pattern_split_demo/_doc?refresh=true
{
  "content": "TR000002_1_2020"
}

POST pattern_split_demo/_search
{
  "query": {
    "match_phrase": {
      "content": "TR000002_1_2020"
    }
  }
}