我需要在 elasticsearch 上做一个正则表达式来过滤一些数据。 我过滤的字段是人名。数据的格式并不总是正确的(有时,没有名字,有时,姓氏后跟句点或逗号或“逗号+名字”或“点+名字”....)。
例如,使用 "bouchard" 我得到以下匹配项:
"bouchard", "bouchard, m.", "bouchard, j.", "bouchard j.p.", "bouchard. j.p."
我还需要排除以相同前缀开头的名称,例如“bouchardat”。
我尝试了很多正则表达式,最后发现排除可能会产生更好的结果:
"query" : { "regexp" : {
"RECORDEDBY" : "bouchard([^a-z].*)"
}}
这不起作用,因为它返回“bouchard, m.”、“bouchard, j.”、“bouchard j.p.” 但不是“bouchard. j.p.”而不是“bouchard”。
我尝试了一些带有 + 和 .* 的正则表达式,但它们不起作用。
( "bouchard([^a-z].*.*)" "bouchard([^a-z]*+.*)")
为了清楚起见,我想允许:
bouchard
bouchard, m.
bouchard, j.
bouchard j.p.
bouchard. j.p.
我要排除
bouchardat
欢迎提出任何建议。
最佳答案
在这种情况下,您可以使用 conditional operator如果没有像 ''、'
.
' 或 ',
这样的特殊字符,则排除每个 [a-z]
后缀' 跟在您要查找的单词之后:
((bouchard)+?([ .,]+)[ ,.a-zA-Z]*)|(bouchard[^a-zA-Z]?)
此正则表达式返回条件(必须有 [ .,]+
):
bouchard
bouchard, m.
bouchard, j.
bouchard j.p.
bouchard. j.p.
并忽略管道 |
之后没有 [ .,]+
的内容:
bouchardat
关于regex - Elasticsearch 正则表达式不起作用,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29343157/