Mongo Atlas Search：实现跨单词精确子串的不区分大小写搜索

问题场景 #

现有两个文档，description字段内容分别为：

• The Lazy Fox Jumps Over
• The Lazy Boy is my favorite pastime

要求搜索Lazy F时，仅返回第一个文档，排除第二个。此前尝试的两种方案均不满足需求：

• 常规phrase搜索：会返回所有包含Lazy的文档，无法精准匹配Lazy F这个连续子串
• autocomplete（nGram）方案：同样会命中所有含Lazy的文档，达不到预期的精确匹配效果

期望实现的逻辑与Python的str.find()完全一致：只要目标子串（不区分大小写）存在于字段中就匹配，否则排除。

解决方案 #

基础实现（简单直接） #

不需要复杂的映射配置，使用Atlas Search的regex操作符即可实现需求：

映射配置

{
  "mappings": {
    "dynamic": false,
    "fields": {
      "description": {
        "type": "string"
      }
    }
  }
}

查询语句

{
  "$search": {
    "regex": {
      "query": "Lazy F",
      "path": "description",
      "caseInsensitive": true
    }
  }
}

该查询会精确匹配包含Lazy F子串的文档，caseInsensitive: true确保不区分大小写（比如搜索lazy f也能命中目标文档），完全符合str.find()的逻辑。

高性能优化方案（大数据量场景） #

如果数据集较大，regex搜索的性能可能不足，可以使用wildcard类型字段优化子串匹配性能：

优化后的映射配置

{
  "mappings": {
    "dynamic": false,
    "fields": {
      "description": [
        {
          "type": "string"
        },
        {
          "type": "wildcard",
          "analyzer": "lowercase"
        }
      ]
    }
  }
}

对应的查询语句

{
  "$search": {
    "wildcard": {
      "query": "*Lazy F*",
      "path": "description.wildcard"
    }
  }
}

wildcard类型专门针对子串匹配做了性能优化，lowercase分析器自动统一大小写，查询时用*包裹目标子串，实现全局匹配。

为何之前的方案失效 #

• 常规phrase搜索：基于词项匹配，只要文档包含Lazy和F两个独立词项就会命中，而非匹配连续的子串
• autocomplete（nGram）：会生成字段内容的所有短子词，只要包含Lazy的子词就会被匹配，无法关联后续的F字符

内容的提问来源于stack exchange，提问作者JasonGenX