如何构建Elasticsearch查询匹配特定格式的连续分词序列

针对你遇到的这种跨多个分词的格式匹配需求，我推荐使用**精确约束的span_near结合span_multi+regexp**的组合查询，既能匹配每个分词的格式，又能严格控制它们的位置和顺序。

核心思路 #

因为标准分词已经把目标字符串拆成了4个连续的token，我们需要：

• 对每个token单独用regexp匹配对应的格式
• 用span_near强制这些token必须按顺序、无间隔、连续出现

具体查询示例 #

{
  "query": {
    "span_near": {
      "clauses": [
        {
          "span_multi": {
            "match": {
              "regexp": {
                "your_field_name": {
                  "value": "[a-z]{3}",
                  "case_insensitive": true
                }
              }
            }
          }
        },
        {
          "span_multi": {
            "match": {
              "regexp": {
                "your_field_name": {
                  "value": "[0-9]{5}"
                }
              }
            }
          }
        },
        {
          "span_multi": {
            "match": {
              "regexp": {
                "your_field_name": {
                  "value": "[0-9]{3}"
                }
              }
            }
          }
        },
        {
          "span_multi": {
            "match": {
              "regexp": {
                "your_field_name": {
                  "value": "[0-9]{2}"
                }
              }
            }
          }
        }
      ],
      "slop": 0,
      "in_order": true,
      "collect_payloads": false
    }
  }
}

关键细节说明 #

• 每个span_multi负责匹配一个分词的格式：第一个匹配3个字母（开启case_insensitive兼容标准分词的小写转换），后面三个分别匹配5位、3位、2位数字
• span_near的slop=0确保token之间没有其他分词插入，in_order=true强制必须按指定顺序出现，这样就能精准匹配你要的TEX 11111 222 22格式
• 如果之前用span_near出现误判，大概率是没有给每个span_multi设置足够精确的regexp规则，或者没有严格限制slop和顺序

备选方案（如果允许修改字段映射） #

如果可以调整索引的字段映射，建议给目标字段添加一个keyword类型的子字段（比如your_field_name.keyword），这样整个字符串会作为一个完整的token存储，直接用标准regexp查询就能匹配：

{
  "query": {
    "regexp": {
      "your_field_name.keyword": "[A-Za-z]{3} [0-9]{5} [0-9]{3} [0-9]{2}"
    }
  }
}

这种方案更简洁高效，但需要修改映射并重新索引数据。

内容的提问来源于stack exchange，提问作者Derek