网站导航
> 技术文档 > 【ES实战】Elasticsearch中模糊匹配类的查询_es模糊查询

【ES实战】Elasticsearch中模糊匹配类的查询_es模糊查询

网友: 技术文档 2025-07-30 12:46:27

Elasticsearch中模糊匹配类的查询

文章目录

  • Elasticsearch中模糊匹配类的查询
    • 通配符查询
    • 前缀匹配查询
    • 正则匹配查询
      • 标准的正则操作
      • 特殊运算符操作
    • 模糊化查询
      • Fuzziness
    • `text`类型同时配置`keyword`类型
    • 彩蛋
      • 增加date类型字段的format，5.4支持，6.X不支持。

Elasticsearch中模糊类查询主要有以下

  • Wildcard Query：通配符查询
  • Prefix Query：前缀匹配查询
  • Regexp Query：正则匹配查询
  • Fuzzy query ：模糊查询
  • 对text类型同时配置keyword类型，同时支持全文搜索和精确查询

使用前，性能需要进行验证

通配符查询

通配符支持*和?，*可以代表任何字符序列，包含空字符； ?可以代表任一字符。

示例

GET /_search{ \"query\": { \"wildcard\" : { \"user\" : \"ki*y\" } }}

前缀匹配查询

查询到匹配字段包含以给定开头的词的文档

示例

GET gudong20250423001/_search{ \"query\": { \"prefix\" : { \"message\" : \"中国\" } }}

正则匹配查询

示例

GET gudong20250423001/_search{ \"query\": { \"prefix\" : { \"message\" : \"中*北\" } }}GET gudong20250423001/_search{ \"query\": { \"regexp\":{ \"message\": { \"value\": \"中*北\", \"flags\" : \"INTERSECTION|COMPLEMENT|EMPTY\" } } }}

以下是支持的正则表达式语法（Lucene正则表达式引擎与perl不兼容，但支持更小范围的操作符）

标准的正则操作

  • Anchoring 锚定正则表达式

    用来说明这是个正则表达式，使用 ^ 表示开头或 $ 表示结尾。

  • Allowed characters 允许使用的字符

    表达式中可以使用任何 Unicode 字符，但某些字符是保留字符，必须转义。标准的保留字符有：

    . ? + * | { } [ ] ( ) ” \\

    如果启用了可选功能（见下文），这些字符也可能被保留：

    # @ & ~

    任何保留字符都可以用反斜杠\\*转义，包括字面反斜杠字符：\\\\

    此外，任何字符（双引号除外）在被双引号包围时都按字面解释：john“@smith.com”。

  • Match any character匹配任何字符

    .点可以匹配任何字符

    For string \"abcde\":

    ab... # match a.c.e # match

  • One-or-more 匹配一次或多次

    加号 + 可用来重复前面的最短模式一次或多次

    For string \"aaabbb\":

    a+b+ # match

    aa+bb+ # match

    a+.+ # match

    aa+bbb+ # match`

  • Zero-or-more 匹配0次或多次

    星号 * 可用来匹配前面最短模式的零次或多次。

    For string \"aaabbb\":

    a*b* # match

    a*b*c* # match

    .*bbb.* # match

    aaa*bbb* # match

  • **Zero-or-one **匹配0次或1次

    问号 ? 可用来匹配前面最短模式的零次或1次。

    For string \"aaabbb\":

    aaa?bbb? # match

    aaaa?bbbb? # match

    .....?.? # match

    aa?bb? # no match

  • Min-to-max匹配最小次数与最大次数

    大括号 {} 可用于指定前面最短模式重复的最少次数和（可选）最多次数。

    {x,y}，x代表最小匹配次数，y代表最多匹配次数，y可选

    {5} 最少重复匹配5次

    {2,5} 最少重复匹配2次，最多重复匹配5次

    {2,} 最少重复匹配2次

    For string “aaabbb”:

    a{3}b{3} # match

    a{2,4}b{2,4} # match

    a{2,}b{2,} # match

    .{3}.{3} # match

    a{4}b{4} # no match

    a{4,6}b{4,6} # no match

    a{4,}b{4,} # no match`

  • Grouping 分组匹配

    括号() 可以用来组成子句型。

    For string \"ababab\":

    (ab)+ # match

    ab(ab)+ # match

    (..)+ # match

    (...)+ # no match

    (ab)* # match

    abab(ab)? # match

    ab(ab)? # no match

    (ab){3} # match

    (ab){1,2} # no match

  • Alternation

    管道符号 | 充当 OR 运算符。如果左侧或右侧的模式匹配，则匹配成功。交替适用于最长的模式，而不是最短的模式。

    For string \"aabb\":

    aabb|bbaa # match

    aacc|bb # no match

    aa(cc|bb) # match

    a+|b+ # no match

    a+b+|b+a+ # match

    a+(b|c)+ # match

  • Character classes

    方括号[]括起来的潜在字符范围可以表示为字符类。

    ^ 表示否定字符类。

    -表示一个字符范围，除非它是第一个字符或用反斜杠转义。

    The allowed forms are:

    [abc] # ‘a’ or ‘b’ or ‘c’

    [a-c] # ‘a’ or ‘b’ or ‘c’

    [-abc] # ‘-’ or ‘a’ or ‘b’ or ‘c’

    [abc\\-] # ‘-’ or ‘a’ or ‘b’ or ‘c’

    [^abc] # any character except ‘a’ or ‘b’ or ‘c’

    [^a-c] # any character except ‘a’ or ‘b’ or ‘c’

    [^-abc] # any character except ‘-’ or ‘a’ or ‘b’ or ‘c’

    [^abc\\-] # any character except ‘-’ or ‘a’ or ‘b’ or ‘c’

    For string abcd:

    ab[cd]+ # match

    [a-d]+ # match

    [^a-d]+ # no match

特殊运算符操作

flags 代表正则的支持特殊运算符的类型，取值元素有ALL，COMPLEMENT，INTERSECTION，INTERVAL，ANYSTRING。

flags 参数默认为 ALL。不同的标志组合（用 |连接）可用于启用/禁用特定运算符：

{ \"regexp\": { \"username\": { \"value\": \"john~athon\", \"flags\": \"COMPLEMENT|INTERVAL\" } }}

  • Complement

    Complement模式下，最短的表达式，如果紧跟着转折号~，就会被否定的意思

    For instance, \"ab~cd\" means:

    • 以 a 开头
    • 以 b 开头
    • 后跟任意长度的字符串，除了 c 以外的任何字符串
    • 以 d 结尾

    For the string \"abcdef\":

    ab~df # match

    ab~cf # match

    ab~cdef # no match

    a~(cb)def # match

    a~(bc)def # no match

    Enabled with the COMPLEMENT or ALL flags.

  • Interval

    Interval模式下，使用代表数据范围区间

    For string: \"foo80\":

    foo # match

    foo # match

    foo # no match

    Enabled with the INTERVAL or ALL flags.

  • Intersection

    该模式下，双引号 “&” 连接两个表达式，两个表达式必须匹配。

    For string \"aaabbb\":

    aaa.+&.+bbb # match

    aaa&bbb # no match

    Using this feature usually means that you should rewrite your regular expression.Enabled with the INTERSECTION or ALL flags.

  • Any string

    符号 “@” 匹配整个字符串。这可以与上面的交集和补码结合起来，表达 “除了…之外的所有内容”。

    For instance:

    @&~(foo.+) # anything except string beginning with “foo”

    Enabled with the ANYSTRING or ALL flags.

模糊化查询

模糊查询会生成在模糊度指定的最大编辑距离内的匹配术语，然后检查术语字典，找出索引中实际存在的已生成术语。最终查询最多使用 max_expansions 匹配词。

示例

GET /_search{ \"query\": { \"fuzzy\" : { \"user\" : \"ki\" } }}GET /_search{ \"query\": { \"fuzzy\" : { \"user\" : { \"value\": \"ki\", \"boost\": 1.0, \"fuzziness\": 2, \"prefix_length\": 0, \"max_expansions\": 100 } } }}
参数名 解释 fuzziness 最大编辑距离. 默认 AUTO. 详细见Fuzziness章节 prefix_length 不会被 “模糊化 ”的初始字符数。这有助于减少必须检查的术语数量。默认为 0。 max_expansions 模糊化查询将扩展到的术语的最大数量 Defaults to 50. transpositions Whether fuzzy transpositions (ab → ba) are supported. Default is false.

Fuzziness

在查询 text or keyword 字段时，“模糊度 ”被解释为Levenshtein Edit Distance–一个字符串要与另一个字符串相同而需要更改的一个字符的数量。

Levenshtein Edit Distance（莱文斯坦编辑距离）表示两个字符串之间，一个字符串转换成另一个字符串需要最少编辑操作的次数，编辑操作分为插入一个字符，删除一个字符。

fuzziness 参数可指定为：

参数值 说明 0, 1, 2 数字值， 最大允许的Levenshtein编辑距离（或编辑次数） AUTO 根据词条长度生成编辑距离。可选择提供低距离和高距离参数 AUTO:[low],[high]。如果未指定，默认值为 3 和 6，相当于 AUTO:3,6，长度为：**0...2必须完全匹配3...5允许一次编辑>5**允许两次编辑AUTO通常是 fuzziness的首选值。

text类型同时配置keyword类型

一个字段同时是keyword和text，同时支持全文搜索和精确查询

示例

新建索引

PUT gudong20250423002{ \"settings:\": { \"number_of_shards\": 1, \"number_of_replicas\": 1 }, \"mappings\": { \"_doc\": { \"properties\": { \"message\": { \"type\": \"keyword\", \"fields\": { \"keyword\": {  \"type\": \"keyword\",  \"ignore_above\": 256 } } } } } }}PUT gudong20250423002{ \"settings:\": { \"number_of_shards\": 1, \"number_of_replicas\": 1 }, \"mappings\": { \"_doc\": { \"properties\": { \"message\": { \"type\": \"keyword\" } } } }}

写入数据

POST gudong20250423001/doc{\"message\":\"中国江苏省南京市江北新区\"}POST gudong20250423002/doc{\"message\":\"中国江苏省南京市江北新区\"}

查询效果

GET gudong20250423001/_search{ \"query\": { \"bool\": { \"filter\": [{ \"match\": { \"message\": \"中国\" } }] } }}{ \"took\": 2, \"timed_out\": false, \"_shards\": { \"total\": 5, \"successful\": 5, \"failed\": 0 }, \"hits\": { \"total\": 1, \"max_score\": 0, \"hits\": [ { \"_index\": \"gudong20250423001\", \"_type\": \"doc\", \"_id\": \"AZZhpkVj-8S4QQ2j15fP\", \"_score\": 0, \"_source\": {  \"message\": \"中国江苏省南京市江北新区\" } } ] }}
GET gudong20250423002/_search{ \"query\": { \"bool\": { \"filter\": [{ \"match\": { \"message\": \"中国\" } }] } }}{ \"took\": 1, \"timed_out\": false, \"_shards\": { \"total\": 5, \"successful\": 5, \"failed\": 0 }, \"hits\": { \"total\": 0, \"max_score\": null, \"hits\": [] }}

字段单纯配置keyword类型，则不支持模糊匹配（实际应该分词了，然后进行的匹配）

彩蛋

增加date类型字段的format，5.4支持，6.X不支持。

PUT my_index{ \"mappings\": { \"doc\": { \"properties\": { \"date\": { \"type\": \"date\", \"format\": \"yyyy-MM-dd HH:mm:ss\" } } } }}PUT my_index/_mapping/doc{ \"properties\": { \"date\": { \"type\": \"date\", \"format\": \"yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis||yyyy-MM-dd HH:mm:ss.SSS||yyyy-MM-dd HH:mm:ss.S\" } }}
网络标签：

相关问题