Elasticsearch如何使用模糊查询

系列文章目录

了解如何操作Elasticsearch的模糊查询

---

---

前言

实验的Elasticsearch环境为7.9

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、模糊查询

fuzzy 查询是 term 查询的模糊等价。 也许你很少直接使用它，但是理解它是如何工作的，可以帮助你在更高级别的 match 查询中使用模糊性。

示例：

POST /my_index/my_type/_bulk
{ "index": { "_id": 1 }}
{ "text": "Surprise me!"}
{ "index": { "_id": 2 }}
{ "text": "That was surprising."}
{ "index": { "_id": 3 }}
{ "text": "I wasn't surprised."}

现在我们可以为词 surprize 运行一个 fuzzy 查询：

GET /my_index/my_type/_search
{
  "query": {
    "fuzzy": {
      "text": "surprize"
    }
  }
}

从上图中可以看到查询的单词为surprize，但是查询到第一条和第三条数据。这是因为fuzzy 查询是一个词项级别的查询，所以它不做任何分析。它通过某个词项以及指定的 fuzziness 查找到词典中所有的词项。 fuzziness 默认设置为 AUTO 。

在我们的例子中， surprize 比较 surprise 和 surprised 都在编辑距离 2 以内， 所以文档 1 和 3 匹配。

通过以下查询，我们可以减少匹配度到仅匹配 surprise ：
示例2：

GET /my_index/my_type/_search
{
  "query": {
    "fuzzy": {
      "text": {
        "value": "surprize",
        "fuzziness": 1
      }
    }
  }
}

二、模糊匹配查询

match 查询支持开箱即用的模糊匹配：

GET /my_index/my_type/_search
{
  "query": {
    "match": {
      "text": {
        "query":     "SURPRIZE ME!",
        "fuzziness": "AUTO",
        "operator":  "and"
      }
    }
  }
}

查询字符串首先进行分析，会产生词项 [surprize, me] ，并且每个词项根据指定的 fuzziness 进行模糊化。
同样， multi_match 查询也支持 fuzziness ，但只有当执行查询时类型是 best_fields 或者 most_fields ：

GET /my_index/my_type/_search
{
  "query": {
    "multi_match": {
      "fields":  [ "text", "title" ],
      "query":     "SURPRIZE ME!",
      "fuzziness": "AUTO"
    }
  }
}

match 和 multi_match 查询都支持 prefix_length 和 max_expansions 参数。

---

总结

主要了解在Elasticsearch中如何使用模糊查询，以及如何操作。