Elasticsearch中基于给定文件名检索相似文件名的实现方案

Elasticsearch 按同命名规则匹配文件名的解决方案 #

你当前的查询结果不符合预期，核心是普通match查询依赖的分词逻辑无法保证文件名的整体结构匹配：标准分词器会将文件名按下划线、点等符号拆分为独立词项，只要命中任意词项就会返回结果，导致大量无关文件被召回；如果改用精确匹配则只能返回完全相同的文件名。该需求完全可以通过ES实现，只需要调整映射配置和查询逻辑即可。

1. 调整索引映射 #

首先给filename字段新增keyword类型子字段用于前缀精确匹配，同时完善反向分词器配置用于高效后缀匹配：

{
  "settings": {
    "analysis": {
      "analyzer": {
        "filename_reverse": {
          "tokenizer": "keyword",
          "filter": ["reverse"]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "filename": {
        "type": "text",
        "fields": {
          "keyword": {
            "type": "keyword",
            "ignore_above": 256
          },
          "reverse": {
            "type": "text",
            "analyzer": "filename_reverse",
            "fielddata": false
          }
        }
      }
    }
  }
}

2. 预处理输入文件名 #

在业务层对输入的目标文件名做结构拆分，提取固定前缀和固定后缀：

• 示例输入invoice_1234.pdf：
  • 固定前缀：invoice_（最后一个可变内容前的固定串，可根据业务规则调整拆分逻辑）
  • 固定后缀：.pdf（文件扩展名固定部分）
  • 反向后缀：fdp.（将后缀反转，用于匹配reverse字段）

3. 构造查询语句 #

使用bool过滤器同时匹配前缀和后缀，保证命名规则一致：

GET /documents/_search
{
  "query": {
    "bool": {
      "filter": [
        // 精确匹配前缀
        {
          "prefix": {
            "filename.keyword": "invoice_"
          }
        },
        // 用反向字段匹配后缀，性能远高于后缀通配符查询
        {
          "match": {
            "filename.reverse": {
              "query": "fdp.",
              "analyzer": "keyword"
            }
          }
        },
        // 可选：增加长度校验，避免匹配到invoice_123456.pdf这类长度不符的文件
        {
          "script": {
            "script": "doc['filename.keyword'].value.length() == params.expected_len",
            "params": {
              "expected_len": 16
            }
          }
        }
      ]
    }
  }
}

扩展说明 #

如果你的文件名规则更灵活（不固定前缀后缀长度），可以使用ES 7.9+提供的wildcard字段类型替换keyword子字段，直接用通配符查询invoice_*.pdf，查询性能远高于普通keyword的通配符查询。

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