如果查询在引号之间，如何从elasticsearch获取精确的文本匹配

Question

我使用php对二进制文档（fscrawler）实现了elasticsearch。使用默认设置就可以正常工作。我可以在文档中搜索所需的单词，并且得到的结果不区分大小写。但是，我现在要进行精确匹配，即在当前搜索的顶部，如果查询用引号引起来，我想获得仅与查询完全匹配的结果。

我的映射如下所示：

"settings": {
"number_of_shards": 1,
"index.mapping.total_fields.limit": 2000,
"analysis": {
  "analyzer": {
    "fscrawler_path": {
      "tokenizer": "fscrawler_path"
    }
  },
  "tokenizer": {
    "fscrawler_path": {
      "type": "path_hierarchy"
    }
  }
}
.
.
.
  "content": {
    "type": "text",
    "index": true
  },

我对文档的查询如下所示：

    if ($q2 == '') {
    $params = [
        'index' => 'trial2',
        'body' => [
            'query' => [
                'match_phrase' => [
                        'content' => $q
                ]
            ]
        ]
    ];

    $query = $client->search($params);
    $data['q'] = $q;
}

对于完全匹配（无效）：

    if ($q2 == '') {
        $params = [
            'index' => 'trial2',
            'body' => [
                'query' => [
                    'filter' =>[
                        'term' => [
                            'content' => $q
                        ]
                    ]
                ]
            ]
        ];

        $query = $client->search($params);
        $data['q'] = $q;
    }

内容字段是文档的主体。如何在内容字段中实现特定单词或短语的完全匹配？

Answer 1

据content我了解，您的字段会很大，因为许多文档可能超过2-3 MB，这是很多话。

keyword根据您之前提到的问题的答案，使用字段来进行完全匹配毫无意义keyword。 仅当数据结构化时，才
应使用keyword数据类型进行完全匹配
__

我了解的是content您所拥有的领域是无组织的。在这种情况下，您可能想在您的字段上使用Whitespace
Analyzer
content。

另外，对于精确的词组匹配，您还可以查看“
匹配词组”查询。

以下是满足您的用例的示例索引，文档和查询。

对应：

PUT mycontent_index
{
  "mappings": {
    "properties": {
      "content":{
        "type":"text",
        "analyzer": "whitespace"            <----- Note this
      }
    }
  }
}

样本文件：

POST mycontent_index/_doc/1
{
  "content": """
      There is no pain you are receding
      A distant ship smoke on the horizon
      You are only coming through in waves
      Your lips move but I can't hear what you're saying
  """
}

POST mycontent_index/_doc/2
{
  "content": """          
      there is no pain you are receding
      a distant ship smoke on the horizon
      you are only coming through in waves
      your lips move but I can't hear what you're saying
  """
}

词组匹配：（按顺序搜索单词）

POST mycontent_index/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match_phrase": {                   <---- Note this for phrase match
            "content": "There is no pain"
          }
        }
      ]
    }
  }
}

匹配查询：

POST mycontent_index/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {                          <---- Use this for token based search
            "content": "there"
          }
        }
      ]
    }
  }
}

请注意，您的答复应相应。

要完全匹配一个单词，只需使用一个简单的Match查询即可。

请注意，当您不指定任何分析器时，默认情况下，ES使用标准分析器，这将导致将所有令牌转换为小写，然后再将它们存储在反向索引中。但是，Whitespace Analyzer
不会
将令牌转换为小写字母。结果There，there它们作为两个不同的令牌存储在ES索引中。

我假设您了解Analysis和Analyzer的概念，如果不了解，建议您浏览链接，因为这将帮助您更多地了解我在说什么。

更新的答案：

了解您的要求后，您将无法在单个字段上应用多个分析器，因此基本上您有两个选择：

选项1： 使用多个索引

选项2：
在映射中使用多字段，如下所示：

这样，您的脚本或服务层将具有根据输入值推送到不同索引或字段的逻辑（一个具有双反逗号和一个简单令牌）。

多字段映射：

PUT <your_index_name>
{ 
   "mappings":{ 
      "properties":{ 
         "content":{ 
            "type":"text",                     <--- Field with standard analyzer
            "fields":{ 
               "whitespace":{ 
                  "type":"text",               <--- Field with whitespace
                  "analyzer":"whitespace"       
               }
            }
         }
      }
   }
}

理想情况下，我希望拥有第一个解决方案，即使用具有不同映射关系的多个索引，但是我强烈建议您重新审视用例，因为这在管理这样的查询中没有意义，但在您的调用中再无用处。

注意： 单节点集群是 您可能曾经做过的最糟糕的选择，特别是对于生产而言。

我建议您在一个单独的问题中详细说明文档数量，未来5年的增长率或类似情况，并且您的用例会比较繁琐或密集？其他团队可能也想利用这个集群吗？我建议您阅读更多内容，并与您的团队或经理讨论，以使您的方案更加清晰。

希望这可以帮助。