如何在Elasticsearch中仅搜索与词汇绑定的数字

要实现查询“bottles 200”时仅返回包含该连续短语的结果，而非匹配“glass 200”这类无关组合，可通过以下两种方式解决：

方案一：使用短语查询（无需修改现有分词配置） #

直接采用match_phrase查询替代普通match，该查询会严格匹配词的顺序与相邻关系，确保只有包含“bottles 200”连续短语的文档被返回。

示例查询DSL：

{
  "query": {
    "match_phrase": {
      "目标字段名": "bottles 200"
    }
  }
}

若需要允许短语中间存在少量非关键词（如停用词），可添加slop参数调整宽松度，但针对你的精确匹配需求，无需额外配置。

方案二：修改分词配置，将单词与数字绑定为单个Token #

通过自定义字符过滤器，将“单词+空格+数字”的组合转换为无空格的整体Token，从存储层面实现绑定。

1. 更新分析器配置 #

在现有配置中新增字符过滤器，并调整分析器的字符过滤器顺序：

'body' => [
    'settings' => [ 
        'analysis' => [ 
            "char_filter"=>[
                "ru"=>[
                    "type"=>"mapping",
                    "mappings"=>['Ё=>Е', 'ё=>е'],
                ],
                // 新增：绑定单词与数字的字符过滤器
                "word_number_binder"=>[
                    "type"=>"pattern_replace",
                    "pattern"=>"([a-zA-Zа-яА-Я]+)\\s+(\\d+)",
                    "replacement"=>"$1_$2"
                ]                           
            ],
            "analyzer"=>[
                "ru_RU_analizer"=>[
                    "tokenizer"=>"standard",
                    // 加入新增的字符过滤器，放在最前面执行
                    "char_filter"=>["ru", "word_number_binder"],
                    "filter"=>["stopwords_ru", "stop", "custom_word_delimiter", "lowercase", "ru_RU"],
                ]                               
            ],
            // 原有过滤器配置保持不变
            "filter"=>[
                "ru_RU"=>[
                    "type"=>"hunspell",
                    "language"=>"ru_RU",
                ],                               
                "stopwords_ru"=>[
                    "type"=> "stop",
                    "ignore_case"=>true
                ],
                "custom_word_delimiter"=>[
                    "type"=>"word_delimiter",
                    "generate_word_parts"=>true,
                    "generate_number_parts"=>true ,
                    "catenate_words"=>true,
                    "catenate_numbers"=>false,
                    "catenate_all"=>true,  
                    "split_on_case_change"=>true,  
                    "preserve_original"=> true,  
                    "split_on_numerics"=>false,
                ],
            ],
        ],
    ]
]

2. 重建索引并重新导入数据 #

分词配置修改后，需删除原索引，使用新配置重建索引，再重新导入数据，确保新的Token规则生效。

3. 查询匹配 #

查询“bottles 200”时，分析器会自动将其转换为bottles_200单个Token，直接匹配存储的绑定Token即可。

方案对比 #

• 方案一：快速生效，无需改动索引结构，适合临时需求或希望保留原有分词逻辑的场景。
• 方案二：从存储层固化绑定关系，适合长期将“单词+数字”组合视为整体的场景，但需要重建索引。

内容的提问来源于stack exchange，提问作者Valya Gromov