elasticsearch span_near query false hits

Question

我有一个文本字段，其中包含一个xml文档，我尝试找到这种匹配：

<Payer> [...] bic=\"123456789\" [...] </Payer>

使用以下查询：

{
    "query": {
        "span_near" : {
            "clauses" : [
            { "span_term" : { "field" : "payer" }},
            { "span_term" : { "field" : "bic" }},
            { "span_term" : { "field" : "123456789" }},
            { "span_term" : { "field" : "payer"}}
            ],
            "slop" : 500,
            "in_order" : true
        }
    }
}

问题是，如果xml-document包含以下内容，有时会出现错误匹配：

<Payer>bic=\"111111111\"</Payer><Payee>bic=\"123456789\"</Payee><Payer>bic=\"222222222\"</Payer>

查询找到PayeE而不是PayeR。从elastic的角度来看，它仍然有效。

我可以阻止这种“贪婪”搜索吗？

据我所知，this主题regexp不是一个选项，因为“ Elasticsearch（和lucene）不支持完全与Perl兼容的正则表达式语法”。这意味着regexp-query匹配令牌，而不是整个字符串。

我还试图制作span_term或/payer或\\/payer的最后</payer，但它根本找不到任何内容。

Answer 1

您可以添加span_not查询：

  

删除与另一个span查询重叠的匹配项。 span不查询映射到Lucene SpanNotQuery。