Elasticsearch中如何提取查询命中的匹配分词Token

你可以直接通过以下两种方案拿到命中的匹配分词，不需要额外做全字段分词遍历：

方案1：高亮返回值提取（优先推荐，无侵入） #

不需要修改现有索引mapping、不需要重建索引，只需要在原有查询DSL中增加highlight配置，ES会自动将命中的分词用自定义标签包裹，直接解析标签内容即可得到匹配词，默认分词器会自动完成大小写归一处理。

修改后的查询DSL #

{
  "query": {
    "match_phrase_prefix": {
      "name": {
        "query": "lio",
        "slop": 3
      }
    }
  },
  "highlight": {
    "fields": {
      "name": {}
    },
    "pre_tags": ["<match_tag>"],
    "post_tags": ["</match_tag>"]
  }
}

返回结果示例 #

每个命中文档会新增highlight字段，格式如下：

"highlight": {
  "name": [
    "<match_tag>lionel</match_tag> messi",
    "<match_tag>Lionel</match_tag> Jr"
  ]
}

你只需要通过正则提取<match_tag>和</match_tag>中间的内容，再做去重、统一转小写处理，就能得到你期望的结果：[lionel]。

方案2：term_vector精准获取（适合高频分词分析场景） #

如果你需要直接拿到结构化的分词匹配结果，不需要解析字符串，可以给字段开启term_vector配置，不过该方案需要重建索引。

索引mapping配置示例 #

PUT /players
{
  "mappings": {
    "properties": {
      "id": {"type": "integer"},
      "name": {
        "type": "text",
        "term_vector": "with_positions_offsets"
      },
      "description": {"type": "text"}
    }
  }
}

配置完成后，你可以在查询时配合explain参数，或者调用_termvectors接口，直接拿到命中的分词项、偏移量、匹配权重等结构化数据，不需要做字符串解析。

内容的提问来源于stack exchange，提问作者sim