Elasticsearch权威指南：通配符与正则表达式查询详解

Elasticsearch权威指南：通配符与正则表达式查询详解

elasticsearch-definitive-guide The Definitive Guide to Elasticsearch 项目地址: https://gitcode.com/gh_mirrors/el/elasticsearch-definitive-guide

理解通配符查询

通配符查询(wildcard query)是一种基于词项的低级查询，与前缀查询类似但功能更强大。它允许我们使用标准的shell通配符模式进行匹配：

• ? 匹配任意单个字符
• * 匹配零个或多个字符

实际应用示例

假设我们有一个英国邮编索引，想要查找所有符合"W?F*HW"模式的邮编。这个模式可以匹配：

• W1F 7HW（?匹配1，*匹配空格和7）
• W2F 8HW（?匹配2，*匹配空格和8）

查询语法如下：

GET /my_index/address/_search
{
    "query": {
        "wildcard": {
            "postcode": "W?F*HW"
        }
    }
}

正则表达式查询进阶

当匹配需求更复杂时，通配符可能不够用。例如，我们想匹配所有以W开头，后跟数字的邮编（排除WC等字母开头的邮编），这时可以使用正则表达式查询(regexp query)。

正则表达式示例

GET /my_index/address/_search
{
    "query": {
        "regexp": {
            "postcode": "W[0-9].+"
        }
    }
}

这个正则表达式的含义是：

• W：必须以W开头
• [0-9]：后跟一个0-9的数字
• .+：再后跟一个或多个任意字符

性能考量与最佳实践

1. 查询机制：与前缀查询类似，通配符和正则表达式查询也需要扫描倒排索引中的词项列表，逐个收集匹配的文档ID。

2. 性能风险：在包含大量唯一词项的字段上运行这类查询会非常消耗资源。

3. 重要建议：

   • 避免以通配符开头的模式（如*foo或正则表达式.*foo）
   • 相比前缀查询可以在索引时优化，通配符和正则表达式只能在查询时处理
   • 应谨慎使用这类查询

关于已分析字段的重要注意事项

这些查询都是针对词项而非整个字段进行的。当应用于已分析(analyzed)的字段时，它们会检查字段中的每个词项。

示例分析

假设title字段包含"Quick brown fox"，分析后会产生三个词项：quick、brown和fox。

以下查询能匹配：

{ "regexp": { "title": "br.*" }}

以下查询不能匹配：

{ "regexp": { "title": "Qu.*" }}  // 索引中的词项是quick而非Quick
{ "regexp": { "title": "quick br*" }}  // quick和brown是分开的词项

理解这些查询的工作机制和限制，能帮助我们在Elasticsearch中更有效地实现复杂的模式匹配需求。

elasticsearch-definitive-guide The Definitive Guide to Elasticsearch 项目地址: https://gitcode.com/gh_mirrors/el/elasticsearch-definitive-guide