基于CosmosDB的Azure Search如何实现有序多词包含搜索？

我明白你想要的效果——就是要找出那些包含"azy do"这类跨词子串的文档（比如"lazy dog"），还得保证顺序不能反，比如"dog lazy"这种就不能匹配。这确实是Azure Search默认的词项索引机制下容易卡壳的点，下面给你两个靠谱的解决办法：

方案一：用Lucene Span查询（首推） #

Azure Search支持Lucene语法里的Span查询，这玩意儿能精准控制词的位置和顺序，正好解决你的问题。你可以这么写查询：

spanNear([spanRegex(".*azy.*"), spanRegex(".*do.*")], 1, true)

给你拆解下参数：

• spanRegex(".*azy.*")：找任何包含"azy"的词，比如"lazy"、"crazy"都能命中
• spanRegex(".*do.*")：同理，找任何包含"do"的词，比如"dog"、"dot"
• 1：两个匹配到的词之间最多允许隔1个词（这里设1是因为"lazy"和"dog"之间没其他词，要是你允许中间有词，就调大这个数）
• true：强制要求第一个词必须在第二个词前面，这样就直接排除了"dog lazy"这种逆序的情况

这么写既符合你的顺序要求，又能准确匹配到跨词的子串，完美~

方案二：自定义Ngram分析器（适合纯子串场景） #

如果你需要的是更纯粹的连续字符匹配（不管是不是在词里），可以给索引加个自定义的Ngram分析器，把文本拆成各种短字符片段来索引：

1. 先在索引定义里加这个分析器：

"analyzers": [
  {
    "name": "ngram_analyzer",
    "@odata.type": "#Microsoft.Azure.Search.CustomAnalyzer",
    "tokenizer": "standard",
    "tokenFilters": [
      {
        "@odata.type": "#Microsoft.Azure.Search.NGramTokenFilter",
        "minGram": 3,
        "maxGram": 10
      }
    ]
  }
]

2. 把你要查询的字段设置成用这个分析器：

"fields": [
  {
    "name": "your_target_field",
    "type": "Edm.String",
    "searchable": true,
    "analyzer": "ngram_analyzer"
  }
]

3. 之后直接搜"azy do"就能匹配所有包含这个连续子串的文档，跨词的情况也能命中。

不过这个方法有个小缺点：索引会变大不少，而且可能会匹配一些你不想要的结果（比如"azyx doxy"这种），所以更适合对精确性要求没那么高，但就想要纯子串匹配的场景。

为啥之前的方法都不行？ #

• 直接搜"azy do"：默认分析器会把它拆成"azy"和"do"两个独立词，但你的文档里只有"lazy"和"dog"，没有完全匹配的词，所以查不到结果。
• 用/.*azy do.*/正则：Azure Search的正则默认只能匹配单个词，没法跨词找，这个正则只会找单个词里包含"azy do"的情况，自然没用。
• /.*azy.*/ AND /.*do.*/：这只是逻辑“且”，不管词的顺序，所以"dog lazy"这种逆序的也会被匹配到，不符合你的要求。

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