如何在 ElasticSearch 中使用通配符和 ngram答案

【问题标题】：How to use wildcards with ngrams in ElasticSearch如何在 ElasticSearch 中使用通配符和 ngram
【发布时间】：2014-07-09 20:05:31
【问题描述】：

是否可以在 ElasticSearch 中结合通配符匹配和 ngram？我已经在使用长度为 3-11 的 ngram。

作为一个非常小的例子，我有记录 C1239123 和 C1230123。用户想要返回这两个。这是他们唯一知道的信息：C123?12

上述情况不适用于我的完整匹配分析器，因为查询最后缺少 3。我的印象是通配符匹配可以开箱即用，但是如果我执行类似于上面的搜索，我会得到乱码。

查询：

.Search<ElasticSearchProject>(a => a
    .Size(100)
    .Query(q => q
        .SimpleQueryString(query => query
            .OnFieldsWithBoost(b => b
                .Add(f => f.Summary, 2.1)
                .Add(f => f.Summary.Suffix("ngram"), 2.0)
            .Query(searchQuery))));

分析器：

var projectPartialMatch = new CustomAnalyzer
{
    Filter = new List<string> { "lowercase", "asciifolding" },
    Tokenizer = "ngramtokenizer"
};

分词器：

.Tokenizers(t=>t
    .Add("ngramtokenizer", new NGramTokenizer
    {
        TokenChars = new[] {"letter","digit","punctuation"},
        MaxGram = 11,
        MinGram = 3
    }))

编辑：主要目的是让用户准确地告诉搜索引擎未知字符在哪里。这保留了匹配顺序。我不对查询进行语法分析，只对索引字段进行语法分析。

EDIT 2 获得更多测试结果：我把我之前的例子简化得太多了。乱码是由标点过滤器引起的。有一个适当的例子，没有乱码，但结果不会按相关顺序返回。看到下面，我不确定为什么前 2 个结果完全匹配。 Ngram 不适用于查询。

搜索 c.a123?.7?0 会按以下顺序给出结果：

C.A1234.560
C.A1234.800
C.A1234.700
C.A1234.950

【问题讨论】：

你试过c123?12* 吗？在 ElasticSearch 中结合通配符匹配和 ngram 很好，但您必须了解它是如何工作的。否则会返回意想不到的结果
@Duc.Duong 我试过了。它确实返回结果，但它们似乎与查询无关。
你能发布匹配的结果吗？我们可以对此进行更多调查
@Duc.Duong 我添加了一个新示例。它似乎工作......有点。一个通配符似乎很好。多个通配符效果不佳。一种似乎更有可能的可能性是，由于数据包含用于分隔数字组的小数，因此将标准分析器应用于查询可能会产生干扰。
您可以安装inquisitor插件来查看C.A1234.560、C.A1234.800的实际索引数据，也许我们可以找到一些线索为什么它总是匹配。顺便说一句，如果您可以将创建/索引示例数据/查询的脚本编写到 SH 文件中并将其发布到 GIST，那就太好了，它将帮助我快速运行并检查问题。否则您可以发布发送到 ES 的最终查询吗？您可以在 NEST 的搜索响应中找到它

标签： elasticsearch

【解决方案1】：

对于任何寻求解决此问题的人来说，通配符默认用于 ngrammed 标记。我的问题是由于我的查询中有标点符号并且在我的查询中使用了标准分析器（标点符号中断）。

Duc.Duong 使用 Inquisitor 插件的建议有助于准确展示如何分析数据。

【讨论】：