Elasticsearch学习笔记之全文搜索

前言

本篇文章摘抄于官方文档，作为学习笔记记录

1. 全文搜索：我们希望在文本类型的域中进行搜索，还希望搜索能够理解我们的意图
   1.1 搜索UK，我们希望返回包含UK AAA,而不返回United Kindom 的文档
2. Elasticsearch首先分析文档，之后根据结果创建倒排索引

倒排索引

1. 一个倒排索引由文档中所有不重复词的列表构成，对于其中每个词，有一个包含它的文档列表
2. 为了创建倒排索引，首先将每个文档的content域拆分成单独的词（词条），创建一个包含所有不重复词条的排序列表，然后列出每个词条出现在哪个文档
   
3. 将词条规范为标准模式，可以找到与用户搜索的词条不完全一致，但具有足够的相关性的文档
   3.1 Quick 可以小写化为 quick
   3.2 foxes 可以 词干提取 --变为词根的格式-- 为 fox 。类似的， dogs 可以为提取为 dog
   3.3 jumped 和 leap 是同义词，可以索引为相同的单词 jump

分析与分析器

1. 分析过程
   1.1 将一块文本分成适合于倒排索引的独立的词条
   1.2 将这些词条统一化为标准格式化以提高“搜索性”
2. 分析器实际上是将三个功能封装到一个包里：
   2.1 字符过滤器
   （1）字符串按顺序通过每个字符过滤器：分词前整理字符串
   2.2 分词器
   （1）字符串被分词器分成单个词条
   （2）一个简单的分词器遇到空格和标点的时候，可能会将文本拆分成词条
   2.3 Token过滤器
   （1）词条按顺序通过每个token过滤器，
   （2）这个过程可能会改变词条（例如，小写化Quick）,删除词条（例如，像a、and、the等无用词），或者增加词条（例如，像jump和leap这种同义词）

全文查询

该查询使用一种语法来基于操作符（and或or）解析和分割提供的查询字符串。然后，在返回匹配文档之前，查询会独立地分析每个拆分文本

GET /_search
{
  "query": {
    "query_string": {
      "query": "(new york city) OR (big apple)",
      "default_field": "content"
    }
  }
}

1. 上面的查询，query_string查询拆分成两部分：new york city和big apple
   1.1 在返回匹配的文档之前，内容字段的分析器将每个部分独立地转换为token（因为查询语法没有使用空格作为操作符）
2. query_string的顶级参数
   2.1 analyze_wildcard：如果true,则查询尝试分析查询字符串的通配符
   2.2 analyzer：用于将查询字符串中的文本转换为token的分析器