Come faccio una corrispondenza parziale in Elasticsearch?

Question

Ho un link come http://drive.google.com e voglio abbinare "google" al link.

ho:

query: { 
    bool : { 
     must: { 
      match: { text: 'google'} 
     } 
    } 
} 

Ma questo corrisponde solo se l'intero testo è 'google' (case insensitive, in modo che corrisponda anche Google o Google, ecc). Come faccio a trovare il "google" all'interno di un'altra stringa?

Answer 1

Il punto è che la regex elasticsearch si utilizza requires a full string match:

modelli di Lucene sono sempre ancorati. Il modello fornito deve corrispondere all'intera stringa.

Così, per soddisfare qualsiasi carattere (ma un ritorno a capo), è possibile utilizzare .* modello:

match: { text: '.*google.*'} 
       ^^  ^^ 

più Una variazione è per i casi in cui la stringa può avere ritorni a capo: match: { text: '(.|\n)*google(.|\n)*'}. Questo orribile (.|\n)* è un must in ElasticSearch perché questo flavor regex non consente alcuna soluzione alternativa a [\s\S], né alcun flag DOTALL/Singleline. "The Lucene regular expression engine is not Perl-compatible but supports a smaller range of operators."

Answer 2

Per l'abbinamento parziale è possibile utilizzare prefix o match_phrase_prefix.

Answer 3

Per una soluzione più generica, è possibile esaminare utilizzando un diverso analizzatore o definendo il proprio. Suppongo che tu stia utilizzando l'analizzatore standard che dividerebbe http://drive.google.com nei token "http" e "drive.google.com". Questo è il motivo per cui la ricerca di Google solo non funziona perché sta tentando di confrontarlo con l'intero "drive.google.com".

Se invece i tuoi documenti sono stati indicizzati utilizzando il semplice analizzatore, l'avrebbero diviso in "http", "unità", "google" e "com". Questo ti permetterà di abbinare qualcuno di questi termini per conto proprio.