弹性搜索中的模式匹配？答案

【问题标题】：pattern matching in elastic search?弹性搜索中的模式匹配？
【发布时间】：2015-03-12 14:14:24
【问题描述】：

从我之前的 post 继续，我根据 femtoRgon 的 post 更改了查询，弹性搜索不支持某些字符和锚点。

我正在寻找匹配“xxx-xx-xxxx”等模式的方法，以便使用elastic search 查找具有社会安全号码的文档。

假设，在索引文档中，我想找到所有那些社会安全号码与“xxx-xx-xxxx”模式匹配的文档。

索引文档的示例代码：

InputStream is = null;
    try {
      is = new FileInputStream("/home/admin/Downloads/20121221.doc");
      ContentHandler contenthandler = new BodyContentHandler();
      Metadata metadata = new Metadata();
      Parser parser = new AutoDetectParser();
      parser.parse(is, contenthandler, metadata, new ParseContext());
      }
    catch (Exception e) {
      e.printStackTrace();
    }
    finally {
        if (is != null) is.close();
    }

搜索示例代码

QueryBuilder queryBuilderFullText = null;
queryBuilderFullText = QueryBuilders.filteredQuery(QueryBuilders.matchAllQuery(),
                        FilterBuilders.regexpFilter("_all", "[0-9]{3}?[0-9]{2}?[0-9]{4}"));
SearchRequestBuilder requestBuilder;
            requestBuilder = client.prepareSearch()
                    .setIndices(getDomainIndexId(project))
                    .setTypes(getProjectTypeId(project))
                    .setQuery(queryBuilderFullText);
SearchResponse response = requestBuilder.execute().actionGet(ES_TIMEOUT_MS);
            SearchHits hits = response.getHits();
if (hits.getTotalHits() > 0) {
System.out.println(hits.getTotalHits());
 } else {
                return 0l;  
        }

我因关注而受到关注：

45-555-5462
457-55-5462
4578-55-5462
457-55-54623
457-55-5462-23

但根据我的要求，它应该只返回“457-55-5462”（基于模式匹配“xxx-xx-xxxx”）。

请帮忙。

【问题讨论】：

How to match the pattern like "xxx-xx-xxxx" in order to look for documents with social security numbers using elastic search?的可能重复
@funkwurm 我已经根据 femtoRgon 的帖子更改了查询，因为弹性搜索不支持某些字符和锚点。所以我在这里更新了我的搜索查询。
是的，我注意到标记后，但我无法撤消标记，抱歉。我也回答了，希望能满足你的需要:)
@funkwurm 没问题。感谢您的帮助，但遗憾的是，弹性搜索不支持 \d 或 \\d 字符和 ^ 或 $ 锚点。
相应地改变了我的答案

标签： java elasticsearch lucene

【解决方案1】：

由于^、$ 和\d 无法使用，我会这样做：

[^0-9-][0-9]{3}-[0-9]{2}-[0-9]{4}[^0-9-]

或者在 Java 中：

FilterBuilders.regexpFilter("_all", "[^0-9-][0-9]{3}-[0-9]{2}-[0-9]{4}[^0-9-]"));

检查找到的数字之前或之后是否没有其他数字或破折号。它确实需要在匹配之前和之后有 some 字符，因此这不会捕获将社会安全号码作为 very beginning 或 very结束。

Regex101 demo

【讨论】：

@Ashish 让我们谈谈该答案的 cmets 中的答案：P 您可以从 Regex101 演示中看到它适用于所有 3 种正则表达式风格。我猜问题出在FilterBuilder 或elastic search 的另一部分。
好的。是的，这个问题可能与弹性搜索有关。我正在寻找那个问题。感谢您的帮助。
我认为 - 问题在于索引为当它被索引时，它没有被索引为一个术语“457-55-5462”，而是作为 3 个术语：“457”、“55”和“5462” .这就是为什么我的词条搜索找不到这个词条的原因。 elastic search 在索引时删除连字符。 :(
elasticsearch.org/guide/en/elasticsearch/reference/current/…
xxx-xx-xxxx 不是xxx-xxxx-xx，但可以肯定你可以用空格替换{3} 和{2} 之后的-。我正在阅读他们的一些正则表达式引擎，但意义不大。他们说 ababab 与 (...)+ 不匹配，好像该字符串中没有 3 个字符？

【解决方案2】：

您忘记在您的正则表达式中在? 之前添加-，并在必要时使用锚。

"[0-9]{3}-?[0-9]{2}-?[0-9]{4}"

或

"^[0-9]{3}-?[0-9]{2}-?[0-9]{4}$"

【讨论】：