如何在elasticsearch中匹配单词的一部分？答案

【问题标题】：How to match parts of a word in elasticsearch?如何在elasticsearch中匹配单词的一部分？
【发布时间】：2016-03-01 17:20:19
【问题描述】：

如何将单词的部分内容与父单词匹配？例如：我需要将“eese”或“heese”与“cheese”一词匹配。

【问题讨论】：

标签： elasticsearch

【解决方案1】：

实现此目的的最佳方法是使用一个edgeNGram token filter 和两个reverse token filters。因此，首先您需要在索引设置中定义一个名为 reverse_analyzer 的自定义分析器，如下所示。然后你可以看到我已经声明了一个名为 your_field 的字符串字段和一个名为 suffix 的子字段，其中定义了我们的自定义分析器。

PUT your_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "reverse_analyzer": {
          "tokenizer": "keyword",
          "filter" : ["lowercase", "reverse", "substring", "reverse"]
        }
      },
      "filter": {
        "substring": {
          "type": "edgeNGram",
          "min_gram": 1,
          "max_gram": 10
        }
      }
    }
  },
  "mappings": {
    "your_type": {
      "properties": {
        "your_field": {
          "type": "string",
          "fields": {
            "suffix": {
              "type": "string",
              "analyzer": "reverse_analyzer"
            }
          }
        }
      }
    }
  }
}

然后你可以索引一个里面有“cheese”的测试文档，像这样：

PUT your_index/your_type/1
{"your_field": "cheese"}

当此文档被索引时，your_field.suffix 字段将包含以下标记：

e
se
ese
eese
heese
cheese

在索引cheese 时发生的情况如下：

keyword 标记器将标记单个标记，=> cheese
lowercase 标记过滤器会将标记放入小写 => cheese
reverse 令牌过滤器将反转令牌 => eseehc
substring 标记过滤器将生成长度为 1 到 10 的不同标记 => e、es、ese、esee、eseeh、eseehc
最后，第二个 reverse 令牌过滤器将再次反转所有令牌 => e，se，ese，eese，heese，cheese
这些都是将被索引的标记

所以我们最终可以在该子字段中搜索eese（或cheese 的任何后缀）并找到我们的匹配项

POST your_index/_search
{
   "query": {
      "match": {
         "your_field.suffix": "eese"
      }
   }
}

=> 生成我们刚刚在上面索引的文档。

【讨论】：

嗨，有没有办法让它同时适用于后缀和前缀。即）索引词“Cheese”，我想用“2chee”或“Cheese2”搜索它
@The6thSense 是的，请参阅我的 other question 并查找如何解决 substringof 问题

【解决方案2】：

您可以通过两种方式做到这一点：

如果你只需要它发生在一些搜索然后搜索框只有你可以通过

*eese* 或 *heese*

只需在搜索词的开头和结尾输入 *。如果您每次搜索都需要它

 string "*#{params[:query]}*"

这将与您的父单词匹配并给出结果

【讨论】：

【解决方案3】：

有多种方法可以做到这一点

分析器方法 - 在这里你 Ngram tokenizer 打破所有单词的子标记。因此，对于单词 "cheese" -> [ "chee" , "hees" , "eese" , "cheese" ] 和所有子字符串的 ind 都会生成。有了这个索引大小会变高，但搜索速度会得到优化
wildcard query 方法 - 在这种方法中，对反向索引进行扫描。这不会占用额外的索引大小，但会花费更多时间进行搜索。

【讨论】：