负前瞻Regexp在ES DSL查询中不起作用

Question

我的elasticsearch的映射如下所示：

{
  "settings": {
    "index": {
      "number_of_shards": "5",
      "number_of_replicas": "1"
    }
  },
  "mappings": {
    "node": {
      "properties": {
        "field1": {
          "type": "keyword"
        },
        "field2": {
          "type": "keyword"
        },
        "query": {
          "properties": {
            "regexp": {
              "properties": {
                "field1": {
                  "type": "keyword"
                },
                "field2": {
                  "type": "keyword"
                }
              }
            }
          }
        }
      }
    }
  }
}

问题是：

我正在使用elasticsearch_dsl
Q（）形成ES查询。当我的查询包含任何复杂的正则表达式时，它在大多数情况下都可以正常工作。但是，如果它包含正则表达式字符“！”，则它将完全失败。在里面。当搜索词包含“！”时，不会给出任何结果
在里面。

例如：

1.）Q('regexp', field1 = "^[a-z]{3}.b.*")（完美运作）

2.）Q('regexp', field1 = "^f04.*")（完美运作）

3.）Q('regexp', field1 = "f00.*")（完美运作）

4.）Q('regexp', field1 = "f04baz?")（完美运作）

在以下情况下失败：

5.）Q('regexp', field1 = "f04((?!z).)*")（完全没有结果的失败）

我尝试在字段中如上所述添加“ analyzer”：“关键字”以及“ type”：“关键字”，但是在这种情况下，没有任何效果。

在浏览器中，我尝试检查Analyzer：keyword如何在输入失败的情况下对输入起作用：

http：// localhost：9210 / search / _analyze？analyzer = keyword＆text =
f04（（？！z）。） *

看起来看起来不错，结果如下：

{
  "tokens": [
    {
      "token": "f04((?!z).)*",
      "start_offset": 0,
      "end_offset": 12,
      "type": "word",
      "position": 0
    }
  ]
}

我正在运行如下查询：

search_obj = Search(using = _conn, index = _index, doc_type = _type).query(Q('regexp', field1 = "f04baz?"))
count = search_obj.count()
response = search_obj[0:count].execute()
logger.debug("total nodes(hits):" + " " + str(response.hits.total))

请帮助，这确实是一个令人烦恼的问题，因为除！之外，所有正则表达式字符都可以在所有查询中正常工作。

另外，如何检查映射中当前使用上述设置的分析仪？

Answer 1

ElasticSearch
Lucene正则表达式引擎不支持任何类型的环视。在ES正则表达式的文件是比较模糊的说法
匹配一切都像.*很慢，以及使用环视正则表达式（这不仅暧昧，而且还错误的，因为lookarounds，明智地使用时，可以大大加快正则表达式匹配）。

由于您要匹配包含f04和不包含的任何字符串z，因此您实际上可以使用

[^z]*fo4[^z]*

细节

• [^z]* -除0以外的任何其他字符 z
• fo4- fo4子串
• [^z]*-除以外的任何0+个字符z。

如果您有一个多字符字符串要“排除”（例如，z4而不是z），则可以使用带有补码运算符的方法：

.*f04.*&~(.*z4.*)

这意味着几乎相同，但不支持换行符：

• .* -尽可能使用除换行符以外的任何字符
• f04 -- f04
• .* -尽可能使用除换行符以外的任何字符
• & -和
• ~(.*z4.*) -除具有 z4