Question

我正在尝试在下面的文字列表中搜索<strong> blue 这个词

＆＃34; BlueSaphire＆＃34;，＆＃34; Bluo＆＃34;，＆＃34; alue＆＃34;，＆＃34; blue＆＃34;，＆＃34; BLUE＆＃34;，＆＃34; Blue＆＃34;，＆＃34; Blue Black＆＃34;，＆＃34; Bluo＆＃34;，＆＃34; Saphire Blue＆＃34;，＆＃34;黑色＆＃34; ，＆＃34;绿色＆＃34;，＆＃34; bloo＆＃34; ，＆＃34; Saphireblue＆＃34;

SearchQuery searchQuery = new NativeSearchQueryBuilder().withIndices("color")
                  .withQuery(matchQuery("colorDescriptionCode", "blue")
                  .fuzziness(Fuzziness.ONE)
                  )
                  .build();

此工作正常，搜索结果返回以下记录以及分数

alue    2.8718023
Bluo    1.7804208
Bluo    1.7804208
BLUE    1.2270637
blue    1.2270637
Blue    1.2270637
Blue Black    1.1082436
Saphire Blue    0.7669148

但我无法制作外卡。＆＃34; SaphireBlue＆＃34;和＆＃34; BlueSaphire＆＃34;预计也将成为结果的一部分

我尝试了以下设置，但它不起作用。

SearchQuery searchQuery = new NativeSearchQueryBuilder().withIndices("color")
                      .withQuery(matchQuery("colorDescriptionCode", "(.*?)blue")
                      .fuzziness(Fuzziness.ONE)
                      )
                      .build();

在堆栈溢出中，我观察到一个解决方案来指定分析通配符。

QueryBuilder queryBuilder = boolQuery().should(
                queryString("blue").analyzeWildcard(true)
                        .field("colorDescriptionCode", 2.0f);

我找不到queryString静态方法。我正在使用spring-data-elasticsearch 2.0.0.RELEASE。

让我知道如何指定外卡，以便在搜索结果中也会返回包含 blue 的所有字词

Answer 1

我无法在一个查询中实现模糊和威尔卡搜索。

这是我能得到的最接近的解决方案。我不得不触发两个不同的查询并手动合并结果。

    @Query("{\"wildcard\" : {\"colorDescriptionCode\" : \"?0\" }}")
    Page<ColorDescription> findByWildCard(String colorDescriptionCode, Pageable pageable);

    @Query("{\"match\": { \"colorDescriptionCode\": { \"query\":     \"?0\", \"fuzziness\": 1 }}}")
    Page<ColorDescription> findByFuzzy(String colorDescriptionCode, Pageable pageable);

Answer 2

我知道工作的例子总是比理论好，但我仍然想先讲一点理论。 Elasticsearch的核心是Lucene。因此，在将文档写入Lucene索引之前，他将经历分析阶段。分析阶段可分为3个部分：

字符过滤;
的标记化

令牌过滤

在第一阶段，我们可以丢弃不需要的字符，例如HTML标记。有关字符过滤器的更多信息，您可以在official site上找到。下一阶段更有趣。在这里，我们将输入文本拆分为标记，稍后将用于搜索。一些非常有用的tokenizers：

标准记分器。它默认使用。标记生成器实现Unicode文本分段算法。在实践中，您可以使用它将文本拆分为单词并将此单词用作标记。

n-gram标记生成器。如果您想按部分单词搜索，这就是您所需要的。此标记生成器将文本拆分为n个项目的连续序列。例如，文本“例如”将被分割为此标记序列"fo", "or", "r ", " e", "ex", "for", "or ex"等.n-gram的长度是可变的，可以由min_gram和max_gram params配置。

边缘n-gram标记生成器。与n-gram标记生成器一样工作，除了一件事 - 这个标记生成器不会增加偏移量。例如，文本“例如”将被分割为此令牌序列"fo", "for", "for ", "for e", "for ex", "for exa"等。有关您可以在官方网站上找到的tokenizer的更多信息。不幸的是，由于声誉不佳，我无法发布更多链接。

下一阶段也很有意思。在我们将文本拆分为令牌之后，我们可以用这个做很多有趣的事情。我再次举几个非常有用的令牌过滤器示例：

小写过滤器。在大多数情况下，我们希望获得不区分大小写的搜索，因此将令牌设置为小写是一种很好的做法。

词干分析器。当我们与自然语言达成协议时，我们遇到了很多问题。其中一个问题是一个词可以有多种形式。 Stemmer过滤器帮助我们获得单词的根形式。

模糊过滤器。另一个问题是用户经常犯错字。此过滤器会添加包含可能的拼写错误的令牌。

如果您有兴趣查看分析仪的结果，可以使用此_termvectors端点

curl [ELASTIC_URL]:9200/[INDEX_NAME]/[TYPE_NAME]/[DOCUMENT_ID]/_termvectors?pretty

现在谈谈查询。查询分为2大组。这些群体有两个显着差异：

请求是否会经历分析阶段;

请求是否需要确切答案（是或否）

示例是匹配查询和术语查询。第一个将通过分析阶段，第二个不会。第一个不会给我们一个具体的答案（但给我们一个分数），第二个会给我们一个答案。在为文档创建映射时，我们可以为每个字段分别指定分析器的索引和搜索分析器。

现在有关弹簧数据弹性搜索的信息。在这里谈谈具体的例子是有意义的。假设我们有一个带有标题字段的文档，我们想要搜索有关该字段的信息。首先，创建一个包含elasticsearch设置的文件。

{ "analysis": { "analyzer": { "ngram_analyzer": { "tokenizer": "ngram_tokenizer", "filter": [ "lowercase" ] }, "edge_ngram_analyzer": { "tokenizer": "edge_ngram_tokenizer", "filter": [ "lowercase" ] }, "english_analyzer": { "tokenizer": "standard", "filter": [ "lowercase", "english_stop", "unique", "english_possessive_stemmer", "english_stemmer" ] "keyword_analyzer": { "tokenizer": "keyword", "filter": ["lowercase"] } }, "tokenizer": { "ngram_tokenizer": { "type": "ngram", "min_gram": 2, "max_gram": 20 }, "edge_ngram_tokenizer": { "type": "edge_ngram", "min_gram": 2, "max_gram": 20 } }, "filter": { "english_stop": { "type": "stop", "stopwords": "_english_" }, "english_stemmer": { "type": "stemmer", "language": "english" }, "english_possessive_stemmer": { "type": "stemmer", "language": "possessive_english" } } }

您可以将此设置保存到资源文件夹中。现在让我们看看我们的文档类

@Document(indexName = "document", type = "document") @Setting(settingPath = "document_index_setting.json") public class Document { @Id private String id; @MultiField( mainField = @Field(type = FieldType.String, index = not_analyzed), otherFields = { @InnerField(suffix = "edge_ngram", type = FieldType.String, indexAnalyzer = "edge_ngram_analyzer", searchAnalyzer = "keyword_analyzer"), @InnerField(suffix = "ngram", type = FieldType.String, indexAnalyzer = "ngram_analyzer"), searchAnalyzer = "keyword_analyzer"), @InnerField(suffix = "english", type = FieldType.String, indexAnalyzer = "english_analyzer") } ) private String title; // getters and setters omitted }

所以这里有三个内部字段的字段标题：

title.edge_ngram使用关键字搜索分析器搜索边缘n-gram。我们需要这个，因为我们不需要将查询拆分为edge n-gram;

title.ngram用于搜索n-gram;

title.english用于搜索自然语言的细微差别和主要领域的标题。我们不分析这个，因为有时我们想要按此字段排序。让我们使用简单的多匹配查询来搜索所有这些字段：

String searchQuery = "blablabla"; MultiMatchQueryBuilder queryBuilder = multiMatchQuery(searchQuery) .field("title.edge_ngram", 2) .field("title.ngram") .field("title.english"); NativeSearchQueryBuilder searchBuilder = new NativeSearchQueryBuilder() .withIndices("document") .withTypes("document") .withQuery(queryBuilder) .withPageable(new PageRequest(page, pageSize)); elasticsearchTemplate.queryForPage(searchBuilder.build, Document.class, new SearchResultMapper() { //realisation omitted });

搜索是一个非常有趣和丰富的主题。我试图尽可能简短地回答，因为这可能会有令人困惑的时刻 - 请不要犹豫。

Spring数据弹性搜索通配符搜索

2 个答案: