Elasticsearch Edge NGram数字保留：地址自动补全精准匹配优化

你遇到的核心问题是EdgeNGram分析器对数字生成了全前缀token，导致搜索"10"时会匹配到所有以10开头的门牌号（比如1009、1011），而你需要的是**精准匹配门牌号为"10"**的结果。结合你的现有数据结构（已经单独存储了houseNumber字段），这里有几个高效的解决方案：

方案一：利用结构化字段实现精准匹配（推荐） #

既然你的文档里已经单独存储了houseNumber字段，最直接的方式是将地址的「前缀补全」和「门牌号精准匹配」分开处理：

步骤1：确保houseNumber支持精准查询 #

如果你的映射里还没给houseNumber设置keyword子字段，先更新映射：

{
  "mappings": {
    "properties": {
      // 保留原有的fullAddressLine映射...
      "houseNumber": {
        "type": "text",
        "fields": {
          "keyword": {
            "type": "keyword"
          }
        }
      }
      // 其他字段...
    }
  }
}

keyword类型的字段会完整保留原始值，支持精准匹配。

步骤2：修改查询语句，组合前缀匹配与精准匹配 #

调整查询，同时匹配街道名的前缀（用fullAddressLine的EdgeNGram分析）和门牌号的精确值：

{
  "query": {
    "bool": {
      "must": [
        // 匹配街道名的前缀（自动补全部分）
        {
          "match": {
            "fullAddressLine": {
              "query": "kooiman",
              "operator": "and"
            }
          }
        },
        // 精准匹配门牌号
        {
          "term": {
            "houseNumber.keyword": "10"
          }
        }
      ]
    }
  }
}

这样执行查询时，只会返回街道名包含"kooiman"且门牌号完全等于"10"的文档，完美解决你的问题。

方案二：自定义分析器，让数字不生成EdgeNGram前缀 #

如果不想拆分字段，希望在fullAddressLine内处理，可以修改分析器，对字母部分生成EdgeNGram，对数字部分保留完整值：

更新索引设置与映射 #

{
  "settings": {
    "analysis": {
      "filter": {
        "EdgeNGramFilter": {
          "type": "edgeNGram",
          "min_gram": 1,
          "max_gram": 40,
          "token_chars": ["letter"] // 只对字母生成前缀
        },
        "keep_numeric": {
          "type": "keep",
          "keep_mode": "include",
          "predicate": {
            "type": "script",
            "script": "token.type == '<NUM>'"
          }
        }
      },
      "analyzer": {
        "AddressAnalyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            // 对字母生成EdgeNGram，数字直接保留
            "EdgeNGramFilter",
            "keep_numeric",
            "unique"
          ]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "fullAddressLine": {
        "type": "text",
        "analyzer": "AddressAnalyzer",
        "search_analyzer": "standard"
      }
    }
  }
}

这个分析器会给字母生成前缀token（比如"kooiman"生成k, ko, koo...），但数字会完整保留为单个token（比如"1009"只会生成"1009"）。此时用原查询语句搜索"kooiman 10"，就只会匹配到门牌号为"10"的文档。

方案三：使用Completion Suggester做自动补全 #

如果你的核心需求是地址自动补全（用户输入时实时提示），推荐使用Elasticsearch的Completion Suggester，它专门为自动补全场景优化：

更新映射添加suggester字段 #

{
  "mappings": {
    "properties": {
      "address_suggest": {
        "type": "completion",
        "analyzer": "standard",
        "preserve_separators": true,
        "preserve_position_increments": true
      }
    }
  }
}

插入文档时构造suggest内容 #

{"fullAddressLine": "Kooimanweg 10 1442BZ Purmerend", 
 "address_suggest": {"input": ["Kooimanweg 10", "Kooimanweg"]}}

查询补全结果 #

{
  "suggest": {
    "address_suggest": {
      "prefix": "kooiman 10",
      "completion": {
        "field": "address_suggest"
      }
    }
  }
}

这种方式既能实现高效的自动补全，又能通过构造input值确保数字精准匹配。

内容的提问来源于stack exchange，提问作者Memphor