Elasticsearch学习--查询（prefix、wildcard、regexp、fuzzy）

迈不过友情╰ 2024-04-03 10:31 75阅读 0赞

### 一、前缀搜索 prefix ###

*  不计算相关度评分
 *  性能较差
 *  **前缀搜索匹配的是分词后的词项**
 *  前缀搜索没有缓存
 *  前缀搜索尽可能把前缀长度设置的更长

GET product/_search
    {
      "query": {
        "fuzzy": {
          "name": {
            "value": "product1"
          }
        }
      }
    }

**index\_prefixes**为词项创建倒排索引，

比如computer这个单词，本身是一个词项，index\_prefixes可以为这个单词再创建倒排索引，min\_chars=2，max\_chars=5的话，创建的索引：co、com、comp、compu

PUT prefixindex
    {
      "mappings": {
        "properties": {
          "name": {
            "type": "text",
            "analyzer": "ik_max_word",
            "index_prefixes": {
              "min_chars": 2,
              "max_chars": 3
            }
          }
        }
      }
    }

优缺点：

优点：加快前缀索引的搜索效率

缺点：占用内存、空间

### 二、通配符 wildcard ###

匹配的也是分词后的词项term

# 造数据
    PUT testindex/_doc/1
    {
      "name":"zhang san"
    }
    
    PUT testindex/_doc/2
    {
      "name":"zhang si"
    }
    
    PUT testindex/_doc/3
    {
      "name":"zhuang san"
    }
    
    
    PUT testindex/_doc/4
    {
      "name":"zhuang si"
    }

# 用法
    GET testindex/_search
    {
      "query": {
        "wildcard": {
          "name": {
            "value": "*san"
          }
        }
      }
    }

![d35b226fdf9440108efc3e2e1aee56d3.png][]

**\* 数组中的每个值都是精准值**

### 三、正则 regexp ###

#### 1. 用法 ####

GET testindex/_search
    {
      "query": {
        "regexp": {
          "name": ".*san"
        }
      }
    }

![8290fb679bd345e09f9d937578de2e49.png][]

#### 2. flags参数含义 ####

![0c3f0c25ed6246b6bb68fd8ccde2c73e.png][]

### 四、模糊查询 fuzzy ###

#### 1. 情况 ####

1）混淆字符（**b**ox->fox）

2) 缺少字符（**b**lack->lack）

3) 多出字符（sic -> sic**k**）

4) 颠倒次序（a**c**t-> **c**at）

#### 2. 用法 ####

GET testindex/_search
    {
      "query": {
        "fuzzy": {
          "name": "xiaolahu"
        }
      }
    }

![81934e1edba2492a98a2369b747e18e8.png][]

#### 3. 参数 ####

![c907f0761c7d49089d05fc2bfafc5b0d.png][]

编辑距离：把字符改成正确的，需要挪到的次数

GET testindex/_search
    {
      "query": {
        "fuzzy": {
          "name": {
            "value": "xiaoloahu",
            "fuzziness": 1,
            "transpositions":false
          }
        }
      }
    }

fuzziness, 默认是auto，根据字符串长度，从0,1,2取值

#### 4. match查询也支持fuzziness ####

GET testindex/_search
    {
      "query": {
        "match": {
          "name": {
            "query":"xiaoloahu",
            "fuzziness": 1
          }
        }
      }
    }

![04b76ada63654cbd8df9e98def8c3dc0.png][]

match是分词的，fuzzy是不分词的

fuzzy不适合数据量大时使用

## 五、match\_phrase\_prefix ##

#### [match\_phrase][match_phrase] ####

match\_phrase会分词

被检索字段必须包含match\_phrase中的所有词项并且顺序必须是相同的

被检索字段包含的match\_phrase中的词项之间不能有其他词项

#### [match\_phrase\_prefix][match_phrase_prefix]概念 ####

match\_phrase\_prefix与match\_phrase相似，但是它多了一个特性，就是它允许在文本的最后一个词项(term)上的前缀匹配

如果是一个单词，比如a，它会匹配文档字段所有以a开头的文档

如果是一个短语，比如 "this is ma" ，他会先在倒排索引中做以ma做前缀搜索，然后在匹配到的doc中做match\_phrase查询

#### 参数 ####

**max\_expansions**：限制匹配的最大词项，默认50；越大越消耗性能，可以通过减少这个值，提高性能

analyzer：指定何种分析器来对该短语进行分词处理

boost ：用于设置该查询的权重

slop ：允许短语间的词项(term)间隔

slop 参数告诉 match\_phrase 查询词条相隔多远时仍然能将文档视为匹配

什么是相隔多远？ 意思是说为了让查询和文档匹配你需要移动词条多少次

## 六、N-gram和edge ngram ##

#### ngram可以用于切词器（比分词器粒度更小） ####

GET _analyze
    {
      "tokenizer": "ngram",
      "text": "reba always loves me"
    }

有两个主要参数

min\_gram：创建索引所拆分字符的最小阈值

max\_gram：创建索引所拆分字符的最大阈值

#### ngram也可以用于词项过滤器**token filter** ####

GET _analyze
    {
      "tokenizer": "ik_max_word",
      "filter": [ "ngram" ],
      "text": "reba always loves me"
    }

优点：做模糊搜索时，粒度更细

缺点：占用大量的磁盘空间

### [Edge n-gream][] ###

![af64be6f730f4befa99c230fdd1be8e9.png][]

ngram适用于前缀、中缀、后缀搜索

Edge n-gream只适用于前缀搜索，但也会更节省空间

Edge n-gream的性能比match\_phrase\_prefix更高

[d35b226fdf9440108efc3e2e1aee56d3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/53b3a574cc3449dbbd3bc7fc8b5cec8c.png
[8290fb679bd345e09f9d937578de2e49.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/67fb8d3eca444d548e14c8ccc572c0da.png
[0c3f0c25ed6246b6bb68fd8ccde2c73e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/cb5bf1dff73549aeb58c09fcfc0f9a4e.png
[81934e1edba2492a98a2369b747e18e8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/75feac6d6262433b9ebfa0e4aaa0faba.png
[c907f0761c7d49089d05fc2bfafc5b0d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/546f07e2ec5f4fecbeb69c0f83bd842a.png
[04b76ada63654cbd8df9e98def8c3dc0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/b1fafde60f0d44d0aa5e39561b7ae458.png
[match_phrase]: https://www.elastic.co/guide/en/elasticsearch/reference/7.17/query-dsl-match-query-phrase.html
[match_phrase_prefix]: https://www.elastic.co/guide/en/elasticsearch/reference/7.17/query-dsl-match-query-phrase-prefix.html
[Edge n-gream]: https://www.elastic.co/guide/en/elasticsearch/reference/7.12/analysis-edgengram-tokenfilter.html
[af64be6f730f4befa99c230fdd1be8e9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/3d9cf376ed8d4c3a8a4bc3b0746ba1a4.png