如何使用Elasticsearch对输入的文本执行部分单词搜索？

如何解决如何使用Elasticsearch对输入的文本执行部分单词搜索？

我有一个查询来搜索以下格式的记录：TR000002_1_2020。

用户应该可以通过以下方式搜索结果：

TR000002或2_1_2020或TR000002_1_2020或2020。我正在使用Elasticsearch 6.8，所以无法使用E7中引入的内置“按类型输入”功能。因此，我认为wildcard搜索或ngram可能最适合我的需求。这是我的两种方法，以及为什么它们不起作用。

1. 通配符

属性映射：

.Text(t => t
    .Name(tr => tr.TestRecordId)
)

查询：

m => m.Wildcard(w => w
    .Field(tr => tr.TestRecordId)
    .Value($"*{form.TestRecordId}*")
),

这可行，但是区分大小写，因此如果用户使用tr000002_1_2020搜索，则不会返回任何结果（因为查询中的t和r是小写的）>

1. ngram（当您键入等效项时进行搜索）

创建自定义ngram分析器

.Analysis(a => a
    .Analyzers(aa => aa
        .Custom("autocomplete",ca => ca
            .Tokenizer("autocomplete")
            .Filters(new string[] {
                "lowercase"
            })
        )
        .Custom("autocomplete_search",ca => ca
            .Tokenizer("lowercase")
        )
    )
    .Tokenizers(t => t
        .NGram("autocomplete",e => e
            .MinGram(2)
            .MaxGram(16)
            .TokenChars(new TokenChar[] {
                TokenChar.Letter,TokenChar.Digit,TokenChar.Punctuation,TokenChar.Symbol
            })
        )
    )
)

属性映射

.Text(t => t
    .Name(tr => tr.TestRecordId)
    .Analyzer("autocomplete")
    .SearchAnalyzer("autocomplete_search")
)

查询

m => m.Match(m => m
    .Query(form.TestRecordId)
),

如in this answer所述，这是行不通的，因为令牌生成器将字符拆分为20和02和2020之类的元素，因此我的查询结果返回索引中包含2020的所有文档，例如TR000002_1_2020和TR000008_1_2020和TR000003_6_2020。

Elasticsearch允许我所需的搜索行为的最佳利用方式是什么？我也看到了query string的使用。谢谢！

解决方法

这是一种满足您要求的简单方法（希望如此）。

1. 我们使用模式替换char过滤器删除参考（TR000 ...）的固定部分
2. 我们使用拆分标记器将引用中的“ _”字符拆分为
3. 我们使用matchPhrase查询来确保引用的片段顺序匹配

使用此分析链作为参考TR000002_1_2020，我们获得了令牌["2","1","2020" ]。因此它将与查询["TR000002_1_2020","TR000002 1 2020","2_1_2020","1_2020"]相匹配，但与3_1_2020或2_2_2020不匹配。

这里是映射和分析的示例。它不在Nest中，但我认为您可以进行翻译。

PUT pattern_split_demo
{
  "settings": {
    "analysis": {
      "char_filter": {
        "replace_char_filter": {
          "type": "pattern_replace","pattern": "^TR0*","replacement": ""
        }
      },"tokenizer": {
        "split_tokenizer": {
          "type": "simple_pattern_split","pattern": "_"
        }
      },"analyzer": {
        "split_analyzer": {
          "tokenizer": "split_tokenizer","filter": [
            "lowercase"
          ],"char_filter": [
            "replace_char_filter"
          ]
        }
      }
    }
  },"mappings": {
    "properties": {
      "content": {
        "type": "text","analyzer": "split_analyzer"
      }
    }
  }
}

POST pattern_split_demo/_analyze
{
  "text": "TR000002_1_2020","analyzer": "split_analyzer"
} => ["2","2020"]

POST pattern_split_demo/_doc?refresh=true
{
  "content": "TR000002_1_2020"
}

POST pattern_split_demo/_search
{
  "query": {
    "match_phrase": {
      "content": "TR000002_1_2020"
    }
  }
}