如果查询在引号之间，如何从elasticsearch中获得精确的文本匹配

Question

我使用php for binary documents（fscrawler）实现了elasticsearch。它在默认设置下工作得很好。我可以在文档中搜索我想要的单词，并得到不区分大小写的结果。然而，我现在想做精确匹配，即在当前搜索的顶部，如果查询被括在引号中，我想得到结果，只匹配查询完全…甚至区分大小写。

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
  },

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

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

对于完全匹配（不起作用）：

    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。如何实现内容字段中特定单词或短语的精确匹配？

Answer 1

据我所知，您的content字段将非常大，因为许多文档可能超过2-3 MB，这是很多单词。

按照前面问题的答案，使用keyword字段进行精确匹配是没有意义的，我在前面提到使用keyword。只有当数据结构化时，才应使用关键字datatype进行精确匹配

我所理解的是，content字段是非结构化的。在这种情况下，您需要在content字段上使用空白分析器。

另外，要获得确切的短语匹配，请查看匹配短语查询。

下面是一个示例索引、文档和查询，可以满足您的用例。

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

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
  """
}

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

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

请注意，您的响应应该是相应的。

要精确匹配一个单词，只需使用一个简单的匹配查询。

请注意，当您不指定任何分析器时，ES默认使用标准分析器，这将导致在将所有令牌存储在倒排索引中之前将它们转换为小写。但是，空白分析器不会将标记转换为小写。因此，there和there作为两个不同的标记存储在ES索引中。

我假设您知道分析和分析器的概念，如果不知道，我建议您浏览这些链接，因为这将帮助您更多地了解我所说的内容。

在了解您的需求之后，您不可能在一个字段上应用多个分析器，所以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：

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

希望这能有所帮助。