Elasticsearch如何实现匹配所有查询词且字段完全匹配的检索

你的需求本质是同时满足两个匹配规则：

• 目标字段分词结果覆盖全部输入查询词，不限制词的顺序
• 目标字段分词结果不存在查询词以外的冗余内容
  直接使用terms、普通match或者keyword精确匹配都无法同时满足两个规则，可通过「全词命中校验+分词数等值校验」的组合方案实现，适配你当前字段同时映射text+keyword的架构。

方案1：生产环境推荐（性能最优） #

提前给目标text字段增加token_count类型的子字段，索引阶段自动预计算字段的分词总数，查询时直接做等值过滤，避免脚本计算的性能损耗。

步骤1：补充字段映射 #

在原有字段映射基础上添加分词计数字段，注意分词器必须和text主字段使用的分词器完全一致，以标准分词器standard为例：

{
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "analyzer": "standard",
        "fields": {
          "keyword": {
            "type": "keyword"
          },
          "token_cnt": {
            "type": "token_count",
            "analyzer": "standard"
          }
        }
      }
    }
  }
}

添加后重建索引，title.token_cnt会自动存储每个文档title字段的分词数量：

• 文档"Jurassic Park"分词后共2个词，token_cnt值为2
• 文档"Lost World: Jurassic Park"分词后共4个词，token_cnt值为4
• 文档"Jurassic Park III"分词后共3个词，token_cnt值为3

步骤2：查询实现 #

查询前先用和字段一致的分词器对输入查询词做分词，得到分词后的总词数，比如输入Park Jurassic分词后得到2个词，再通过bool查询组合两个条件：

1. match查询设置operator: and，保证字段覆盖所有查询词，不限制顺序
2. term查询校验分词数和输入查询词的分词数完全相等，排除有冗余内容的文档

{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "title": {
              "query": "Park Jurassic",
              "operator": "and"
            }
          }
        },
        {
          "term": {
            "title.token_cnt": 2
          }
        }
      ]
    }
  }
}

以上查询只会返回"Jurassic Park"这一条符合要求的文档。

方案2：轻量场景临时实现（无需改映射） #

如果数据量不大、不想修改原有索引映射，可以用脚本查询直接读取text字段的分词数做校验，不需要额外预存字段：

{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "title": {
              "query": "Park Jurassic",
              "operator": "and"
            }
          }
        },
        {
          "script": {
            "script": {
              "source": "doc['title'].size() == params.query_token_num",
              "params": {
                "query_token_num": 2
              }
            }
          }
        }
      ]
    }
  }
}

注意：脚本中doc['title'].size()直接读取Elasticsearch倒排索引中存储的分词计数，不需要实时跑分词逻辑，性能损耗在可接受范围内，但数据规模超过百万级时优先选择预存token_count的方案。

常见写法不生效原因说明 #

• 普通terms查询：仅校验字段是否包含指定分词，不限制冗余分词存在，会返回所有包含查询词的文档
• 普通match查询：即使设置operator: and，也仅保证所有查询词存在，同样无法过滤有冗余内容的文档
• keyword精确匹配：要求字段值和输入字符串完全一致，词序、大小写、标点差异都会导致匹配失败，无法支持任意顺序匹配的要求

内容的提问来源于stack exchange，提问作者user3428426