如何用match_phrase匹配outlook.com且排除含@的邮箱格式结果？

核心思路 #

由于你的索引使用standard analyzer，邮箱格式字符串会被拆分为[something...]和[outlook.com]两个词元，导致match_phrase误命中。要解决这个问题，关键是准确识别原始文本中的邮箱格式（xxx@outlook.com）并排除，同时保留正常的outlook.com短语匹配。

可行方案 #

方案1：利用字段的keyword子字段（推荐） #

默认情况下，ElasticSearch的text类型字段会自动生成同名的keyword子字段（存储原始未分词文本）。借助这个子字段，可快速排除包含@outlook.com的文档：

{
  "query": {
    "bool": {
      "must": [
        // 匹配所有包含"outlook.com"短语的文档
        {
          "match_phrase": {
            "your_field": "outlook.com"
          }
        }
      ],
      "must_not": [
        // 排除原始文本中包含"@outlook.com"的邮箱格式文档
        {
          "wildcard": {
            "your_field.keyword": "*@outlook.com*"
          }
        }
      ]
    }
  }
}

• 优势：wildcard在keyword字段上性能优异，无需重新索引，逻辑简单直接。
• 若需更精确匹配，可替换为regexp查询：

  {
    "regexp": {
      "your_field.keyword": ".*@outlook\\.com.*"
    }
  }
  

方案2：通过Runtime Field生成临时keyword字段 #

如果字段未预设keyword子字段，可通过Runtime Field在查询时动态生成原始文本的keyword版本，无需修改索引结构：

{
  "runtime_mappings": {
    "your_field_temp_keyword": {
      "type": "keyword",
      "script": {
        "source": "emit(doc['your_field'].value)"
      }
    }
  },
  "query": {
    "bool": {
      "must": [
        {
          "match_phrase": {
            "your_field": "outlook.com"
          }
        }
      ],
      "must_not": [
        {
          "wildcard": {
            "your_field_temp_keyword": "*@outlook.com*"
          }
        }
      ]
    }
  }
}

方案3：调整索引分析器（需重新索引） #

若允许重建索引，可自定义分析器，让@符号不被作为分隔符拆分，使xxx@outlook.com作为单个词元存储：

1. 创建自定义分析器：

{
  "settings": {
    "analysis": {
      "analyzer": {
        "email_safe_analyzer": {
          "tokenizer": "whitespace",
          "filter": ["lowercase"]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "your_field": {
        "type": "text",
        "analyzer": "email_safe_analyzer",
        "fields": {
          "standard": {
            "type": "text",
            "analyzer": "standard"
          }
        }
      }
    }
  }
}

2. 查询时使用该分析器字段，直接匹配并排除目标内容：

{
  "query": {
    "bool": {
      "must": [
        {
          "match_phrase": {
            "your_field": "outlook.com"
          }
        }
      ],
      "must_not": [
        {
          "match_phrase": {
            "your_field": "*@outlook.com"
          }
        }
      ]
    }
  }
}

• 注意：此方案需重新索引数据，适合新索引或可接受停机重建的场景。

内容的提问来源于stack exchange，提问作者Paolo Magnani