只要您想找到不想使用的变体not_analyzed
.
让我们用不同的映射试试这个:
PUT zip
{
"settings": {
"number_of_shards": 1,
"analysis": {
"analyzer": {
"zip_code": {
"tokenizer": "standard",
"filter": [ ]
}
}
}
},
"mappings": {
"_doc": {
"properties": {
"zip": {
"type": "text",
"analyzer": "zip_code"
}
}
}
}
}
我们正在使用标准的分词器;字符串将在空格和标点符号(包括破折号)处分解为标记。如果您运行以下查询,您可以看到实际的令牌:
POST zip/_analyze
{
"analyzer": "zip_code",
"text": ["8907-1009", "211-20", "30200"]
}
添加您的示例:
POST zip/_doc
{
"zip": "8907-1009"
}
POST zip/_doc
{
"zip": "211-20"
}
POST zip/_doc
{
"zip": "30200"
}
现在查询似乎工作正常:
GET zip/_search
{
"query": {
"match": {
"zip": "211-20"
}
}
}
如果您只搜索“211”,这也将起作用。但是,这可能太宽松了,因为它还会找到“20”、“20-211”、“211-10”...
您可能想要的是短语搜索,其中查询中的所有标记都需要在字段中并且顺序正确:
GET zip/_search
{
"query": {
"match_phrase": {
"zip": "211"
}
}
}
添加:
如果邮政编码具有层次含义(如果您有“211-20”,则希望在搜索“211”时找到它,但在搜索“20”时不希望找到它),您可以使用path_hierarchy
tokenizer。
因此将映射更改为:
PUT zip
{
"settings": {
"number_of_shards": 1,
"analysis": {
"analyzer": {
"zip_code": {
"tokenizer": "zip_tokenizer",
"filter": [ ]
}
},
"tokenizer": {
"zip_tokenizer": {
"type": "path_hierarchy",
"delimiter": "-"
}
}
}
},
"mappings": {
"_doc": {
"properties": {
"zip": {
"type": "text",
"analyzer": "zip_code"
}
}
}
}
}
使用上面相同的 3 个文档,您match
现在可以使用查询:
GET zip/_search
{
"query": {
"match": {
"zip": "1009"
}
}
}
“1009”不会找到任何东西,但“8907”或“8907-1009”会。
如果您还想找到“1009”,但分数较低,则必须使用我显示的两种变体分析邮政编码(结合映射的 2 个版本):
PUT zip
{
"settings": {
"number_of_shards": 1,
"analysis": {
"analyzer": {
"zip_hierarchical": {
"tokenizer": "zip_tokenizer",
"filter": [ ]
},
"zip_standard": {
"tokenizer": "standard",
"filter": [ ]
}
},
"tokenizer": {
"zip_tokenizer": {
"type": "path_hierarchy",
"delimiter": "-"
}
}
}
},
"mappings": {
"_doc": {
"properties": {
"zip": {
"type": "text",
"analyzer": "zip_standard",
"fields": {
"hierarchical": {
"type": "text",
"analyzer": "zip_hierarchical"
}
}
}
}
}
}
}
添加具有相反顺序的文档以正确测试它:
POST zip/_doc
{
"zip": "1009-111"
}
然后搜索这两个字段,但使用分层标记器将一个提升 3:
GET zip/_search
{
"query": {
"multi_match" : {
"query" : "1009",
"fields" : [ "zip", "zip.hierarchical^3" ]
}
}
}
然后你可以看到“1009-111”的分数比“8907-1009”高很多。