如何在Elasticsearch中实现符合特定规则的词/短语匹配查询？

原始数据 #

[
    {
        "name": "Apple Company"
    },
    {
        "name": "Microsoft Company"
    }
]

预期查询与结果 #

• 查询1：

  name: apple
  

  结果1：

  [
      {
          "name": "Apple Company"
      }
  ]
  

• 查询2：

  name: app
  

  结果2：

  [
      {
          "name": "Apple Company"
      }
  ]
  

• 查询3：

  name: apple com
  

  结果3：

  [
      {
          "name": "Apple Company"
      }
  ]
  

• 查询4：

  name: apple company
  

  结果4：

  [
      {
          "name": "Apple Company"
      }
  ]
  

• 查询5：

  name: company
  

  结果5：

  [
      {
          "name": "Apple Company"
      },
      {
          "name": "Microsoft Company"
      }
  ]
  

• 查询6：

  name: ap com
  

  结果6：

  []
  

请问如何在Elasticsearch中实现该需求？

1. 创建带自定义分析器的索引 #

先为name字段配置自定义分析器，用edge_ngram过滤器生成单词的前缀（限制前缀长度≥3，避免短前缀误匹配），同时保留完整单词的匹配能力。

创建索引的请求：

PUT /company_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "name_prefix_analyzer": {
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "name_edge_ngram"
          ]
        }
      },
      "filter": {
        "name_edge_ngram": {
          "type": "edge_ngram",
          "min_gram": 3,
          "max_gram": 20,
          "side": "front"
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "name_prefix_analyzer",
        "search_analyzer": "standard"
      }
    }
  }
}

说明：

• name_prefix_analyzer：先用标准分词器拆分单词，转小写后生成每个单词从3个字符开始的前缀（比如Apple会被拆成app、appl、apple）。
• search_analyzer设为standard：查询时只做标准分词和小写转换，避免查询词被拆成更短的前缀，保证查询逻辑符合预期。

2. 导入测试数据 #

将原始数据导入索引：

POST /company_index/_bulk
{"index":{}}
{"name": "Apple Company"}
{"index":{}}
{"name": "Microsoft Company"}

3. 执行查询 #

使用match查询并设置operator: and，确保多个查询词必须同时匹配文档：

查询1（name: apple）

GET /company_index/_search
{
  "query": {
    "match": {
      "name": {
        "query": "apple",
        "operator": "and"
      }
    }
  }
}

查询2（name: app）

GET /company_index/_search
{
  "query": {
    "match": {
      "name": {
        "query": "app",
        "operator": "and"
      }
    }
  }
}

查询3（name: apple com）

GET /company_index/_search
{
  "query": {
    "match": {
      "name": {
        "query": "apple com",
        "operator": "and"
      }
    }
  }
}

查询4（name: apple company）

GET /company_index/_search
{
  "query": {
    "match": {
      "name": {
        "query": "apple company",
        "operator": "and"
      }
    }
  }
}

查询5（name: company）

GET /company_index/_search
{
  "query": {
    "match": {
      "name": {
        "query": "company",
        "operator": "and"
      }
    }
  }
}

查询6（name: ap com）

GET /company_index/_search
{
  "query": {
    "match": {
      "name": {
        "query": "ap com",
        "operator": "and"
      }
    }
  }
}

匹配逻辑说明 #

• 短前缀（如ap）：因为edge_ngram的min_gram设为3，不会生成该前缀的索引，无法匹配任何文档。
• 3字符及以上前缀（如app、com）：能匹配对应单词的前缀，返回符合条件的文档。
• 完整单词（如apple、company）：直接匹配对应单词，返回符合条件的文档。
• 多查询词（如apple com）：operator: and要求所有查询词都匹配文档，因此只有同时满足两个条件的文档才会被返回；ap com中ap无匹配，所以结果为空。

内容的提问来源于stack exchange，提问作者xuka