ElasticSearch正则查询无法匹配子字符串问题求助

问题根源 #

不是正则表达式的问题，核心原因是你的content字段使用了portuguese分析器，索引阶段会对文本做词干提取处理：比如原文本中的encaminho会被转化为词根形式（如caminh），而非保留完整字符串。当你用regexp查询content:.*caminho.*时，ES是在分词后的词条集合（而非原始文本）中匹配正则，自然找不到对应结果——分词后的词条里没有包含caminho的字符串。

解决方法 #

方法1：使用默认的keyword子字段查询 #

ES会为text类型字段自动生成一个字段名.keyword的子字段，该字段以keyword类型存储原始未分词的文本，直接查询这个字段即可匹配原始字符串的子串：

GET exemplo/_search
{
  "from": 0,
  "size": 1,
  "query": {
    "bool": {
      "must": [
        {"regexp": {"content.keyword": ".*caminho.*"}}
      ]
    }
  }
}

方法2：显式定义keyword子字段（推荐） #

如果需要长期做这类原始文本匹配，建议显式在mapping中添加自定义的keyword子字段，提升可读性和灵活性：

PUT exemplo/_mapping
{
  "properties": {
    "content": {
      "type": "text",
      "analyzer": "portuguese_br",
      "fields": {
        "raw": {
          "type": "keyword"
        }
      }
    }
  }
}

之后查询content.raw字段即可实现子串匹配。

方法3：基于词干的前缀匹配 #

如果无需严格匹配原始子串，只是想找到包含caminho词根的词汇，可以使用match_phrase_prefix查询，利用分析器的词干处理能力：

GET exemplo/_search
{
  "from": 0,
  "size": 1,
  "query": {
    "match_phrase_prefix": {
      "content": "caminho"
    }
  }
}

内容的提问来源于stack exchange，提问作者DiChrist