继续我之前的post ,我已根据 femtoRgon 的 post 更改了查询Elastic Search 不支持某些字符和 anchor 。
我正在寻找匹配“xxx-xx-xxxx”等模式的方法,以便使用 Elasticsearch
查找带有社会安全号码的文档。
假设,在索引文档中,我想找到所有具有与“xxx-xx-xxxx”模式匹配的社会安全号码的文档。
用于索引文档的示例代码:
InputStream is = null;
try {
is = new FileInputStream("/home/admin/Downloads/20121221.doc");
ContentHandler contenthandler = new BodyContentHandler();
Metadata metadata = new Metadata();
Parser parser = new AutoDetectParser();
parser.parse(is, contenthandler, metadata, new ParseContext());
}
catch (Exception e) {
e.printStackTrace();
}
finally {
if (is != null) is.close();
}
搜索示例代码
QueryBuilder queryBuilderFullText = null;
queryBuilderFullText = QueryBuilders.filteredQuery(QueryBuilders.matchAllQuery(),
FilterBuilders.regexpFilter("_all", "[0-9]{3}?[0-9]{2}?[0-9]{4}"));
SearchRequestBuilder requestBuilder;
requestBuilder = client.prepareSearch()
.setIndices(getDomainIndexId(project))
.setTypes(getProjectTypeId(project))
.setQuery(queryBuilderFullText);
SearchResponse response = requestBuilder.execute().actionGet(ES_TIMEOUT_MS);
SearchHits hits = response.getHits();
if (hits.getTotalHits() > 0) {
System.out.println(hits.getTotalHits());
} else {
return 0l;
}
我收到以下点击:
45-555-5462
457-55-5462
4578-55-5462
457-55-54623
457-55-5462-23
但根据我的要求,它应该只返回“457-55-5462”(基于模式匹配“xxx-xx-xxxx”)。
请帮忙。
最佳答案
由于 ^
、$
和 \d
不能使用,我会这样做:
[^0-9-][0-9]{3}-[0-9]{2}-[0-9]{4}[^0-9-]
或者在 Java 中:
FilterBuilders.regexpFilter("_all", "[^0-9-][0-9]{3}-[0-9]{2}-[0-9]{4}[^0-9-]"));
它检查找到的数字之前或之后没有其他数字或破折号。但它确实要求在匹配之前和之后有一些字符,因此这不会捕获将社会安全号码作为最开始或最结束的文档。
<强> Regex101 demo
关于java - Elasticsearch 中的模式匹配?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27942207/