Elasticsearch邮箱字段通配搜索无结果问题及配置咨询

问题根源 #

当前索引配置中，uax_url_email分词器会将整个邮箱作为单个Token存入索引；虽然pattern_capture过滤器提取了用户名、数字、域名等完整片段（比如john_1、john、1），但并未生成joh、john_这类前缀或部分片段。再加上搜索时使用standard分析器拆分搜索词，导致部分内容无法匹配。

可行解决方案 #

方案一：Edge Ngram过滤器（前缀匹配）

适合前缀类部分搜索（比如搜joh匹配john_xxx），修改后的索引配置如下：

PUT /test
{
  "settings": {
    "analysis": {
      "filter": {
        "email_edge_ngram": {
          "type": "edge_ngram",
          "min_gram": 2,
          "max_gram": 20,
          "token_chars": [
            "letter",
            "digit",
            "_"
          ]
        },
        "email_capture": {
          "type": "pattern_capture",
          "preserve_original": 1,
          "patterns": [
            "([^@]+)",
            "(\\p{L}+)",
            "(\\d+)",
            "@(.+)",
            "([^-@]+)"
          ]
        }
      },
      "analyzer": {
        "email": {
          "tokenizer": "uax_url_email",
          "filter": [
            "lowercase",
            "email_capture",
            "email_edge_ngram",
            "unique"
          ]
        }
      }
    }
  },
  "mappings": {
    "emails": {
      "properties": {
        "email": {
          "type": "text",
          "analyzer": "email",
          "search_analyzer": "lowercase",
          "fields": {
            "raw": {
                "type": "keyword"
            }
          }
        }
      }
    }
  }
}

配置说明：

• email_edge_ngram过滤器会生成从2到20长度的前缀Token，比如john_1会被拆分为jo、joh、john、john_、john_1等
• 调整分析器执行顺序：先转小写，再提取片段，最后生成前缀Token
• 搜索分析器改为lowercase，确保搜索词仅做小写转换，不被拆分，与索引Token完全匹配

方案二：Ngram过滤器（任意位置匹配）

如果需要支持任意位置的部分搜索（比如搜_1也能匹配john_1），将方案一中的email_edge_ngram替换为普通Ngram过滤器即可：

"email_ngram": {
  "type": "ngram",
  "min_gram": 2,
  "max_gram": 20,
  "token_chars": [
    "letter",
    "digit",
    "_"
  ]
}

注意事项 #

• 修改索引配置后，需要重新创建索引并重新导入数据（Elasticsearch不支持修改已存在索引的分析器配置）
• 可通过_analyze API测试分析效果，验证生成的Token是否符合预期：

POST /test/_analyze
{
  "analyzer": "email",
  "text": "john_1@gmail.com"
}

内容的提问来源于stack exchange，提问作者Priyank