lucene - 在 Elasticsearch 搜索中使用通配符和必需的运算符

Question

我们的 Elasticsearch 索引中有多个包含文本的行

“...... 2％的牛奶......”。

用户在搜索字段中输入“2% milk”之类的查询，我们在内部将其转换为查询

title:(+milk* +2%*)

因为所有术语都应该是必需的，而且我们可能对包含“2% 乳脂”的行感兴趣。

上面的这个查询返回零命中。将查询更改为

title:(+milk* +2%)

返回合理的结果。那么为什么第一个查询中的 '*' 运算符不起作用呢？

Answer 1

除非您设置映射，否则“%”符号将在标记化过程中被删除。基本上“2%牛奶”会变成代币2和milk。

当您搜索“2%*”时，它会查找以下标记：2%、2%a、2%b等......并且不匹配任何索引标记，因此没有命中。

当您搜索“2%”时，它将经历与索引时相同的标记化过程（您可以指定它，但默认标记化是相同的）并且您将寻找与该标记匹配的文档2，这将给出你一击。

您可以在此处阅读有关分析/标记化过程的更多信息，并且可以通过定义自定义映射来设置所需的分析

祝你好运！

Answer 2

前缀和通配符查询似乎不会将分析器应用于其内容。举几个例子：

• title:(+milk* +2%)-->+title:milk* +title:2
• title:(+milk* +2%*)-->+title:milk* +title:2%*
• title:(+milk* +2%3)-->+title:milk* +(title:2 title:3)
• title:(+milk* +2%3*)-->+title:milk* +title:2%3*
• +title:super\\-milk-->+title:super title:milk
• +title:super\\-milk*-->+title:super-milk*

防止通配符查询的标记化确实有意义，因为不允许使用通配符短语查询。如果允许标记化，这似乎会引发一个问题，尤其是对于嵌入式通配符，通配​​符可以跨越多少个术语。