如何在Elasticsearch中实现带词干/停用词过滤的前缀短语搜索？

错误原因分析 #

你之前用keyword分词器的思路完全错误：keyword会把整段文本当成单个token处理，导致停用词、词干过滤器无法作用于每个独立词语，自然做不到整句分词处理。正确逻辑是先拆分文本为单个词语，再对每个词应用过滤器。

步骤1：创建带自定义分析器的索引 #

定义一个包含自定义分析器的索引，完成「分词→转小写→去停用词→词干提取」的完整流程：

PUT /text_search_index
{
  "settings": {
    "analysis": {
      "filter": {
        "english_stop": {
          "type": "stop",
          "stopwords": "_english_" // 使用内置英文停用词表
        },
        "english_stemmer": {
          "type": "stemmer",
          "language": "english" // 英文词干提取器
        }
      },
      "analyzer": {
        "custom_text_analyzer": {
          "tokenizer": "standard", // 标准分词器，拆分文本为单个词语
          "filter": [
            "lowercase",
            "english_stop",
            "english_stemmer"
          ]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "content": {
        "type": "text",
        "analyzer": "custom_text_analyzer", // 索引时用自定义分析器
        "search_analyzer": "custom_text_analyzer" // 查询时用相同分析器，保证逻辑一致
      }
    }
  }
}

步骤2：写入示例文档 #

把你的三个示例文档写入索引：

POST /text_search_index/_doc/1
{
  "content": "The brown fox runs quickly."
}

POST /text_search_index/_doc/2
{
  "content": "Watch! The brown fox is running quickly."
}

POST /text_search_index/_doc/3
{
  "content": "Brown foxes run quickly than yellow foxes."
}

步骤3：执行目标查询 #

用match_phrase查询（如果需要前缀匹配，比如搜brown fo也能命中，可替换为match_phrase_prefix），同时添加过滤条件排除文档2：

POST /text_search_index/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match_phrase": {
            "content": "brown fox"
          }
        }
      ],
      "must_not": [
        {
          "match": {
            "content": "watch"
          }
        }
      ]
    }
  }
}

效果说明 #

经过分析器处理后：

• 文档1的token序列：["brown", "fox", "run", "quick"]，包含连续的brown fox，匹配查询
• 文档3的token序列：["brown", "fox", "run", "quick", "yellow", "fox"]，包含连续的brown fox，匹配查询
• 文档2的token序列：["watch", "brown", "fox", "run", "quick"]，因包含watch被must_not过滤，不会返回

如果不需要过滤watch，仅需匹配包含brown fox短语的文档，删掉must_not部分即可。

内容的提问来源于stack exchange，提问作者Jasen Pan