tsql - ElasticSearch中的多字段通配符搜索

Question

考虑以下非常基本的T-SQL查询:

select * from Users
where FirstName like '%dm0e776467@mail.com%' 
or LastName like '%dm0e776467@mail.com%' 
or Email like '%dm0e776467@mail.com%'

我该如何在Lucene中写这个？
我尝试了以下方法:

查询方式(根本不起作用，没有结果):
{
“查询”:{
“ bool(boolean) ”:{
“应该”: [
{
“通配符”:{
“firstName”:“dm0e776467@mail.com”
}
}，
{
“通配符”:{
“lastName”:“dm0e776467@mail.com”
}
}，
{
“通配符”:{
“电子邮件”:“dm0e776467@mail.com”
}
}
]
}
}
}

多匹配方式(返回存在mail.com的任何内容)
{
“查询”:{
“multi_match”:{
“query”:“dm0e776467@mail.com”，
“字段”:[
“名字”，
“姓”，
“电子邮件”
]
}
}
}

第三次尝试(返回预期结果，但是如果我仅插入“mail”，则不会返回任何结果)
{
“查询”:{
“请求参数”: {
“query”:“” dm0e776467@mail.com“”，
“字段”:[
“名字”，
“姓”，
“电子邮件”
]，
“default_operator”:“或”，
“allow_leading_wildcard”:是
}
}
}

在我看来，没有办法强制Elasticsearch强制查询将输入字符串用作一个子字符串？

Answer 1

standard (默认)分析器将标记此电子邮件，如下所示:

GET _analyze
{
  "text": "dm0e776467@mail.com",
  "analyzer": "standard"
}

屈服

{
  "tokens" : [
    {
      "token" : "dm0e776467",
      ...
    },
    {
      "token" : "mail.com",
      ...
    }
  ]
}

这解释了为什么多重匹配可以与任何*mail.com后缀一起使用，以及通配符失败的原因。

我建议根据this answer对映射进行以下修改:

PUT users
{
  "settings": {
    "analysis": {
      "filter": {
        "email": {
          "type": "pattern_capture",
          "preserve_original": true,
          "patterns": [
            "([^@]+)",
            "(\\p{L}+)",
            "(\\d+)",
            "@(.+)",
            "([^-@]+)"
          ]
        }
      },
      "analyzer": {
        "email": {
          "tokenizer": "uax_url_email",
          "filter": [
            "email",
            "lowercase",
            "unique"
          ]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "email": {
        "type": "text",
        "analyzer": "email"
      },
      "firstName": {
        "type": "text",
        "fields": {
          "as_email": {
            "type": "text",
            "analyzer": "email"
          }
        }
      },
      "lastName": {
        "type": "text",
        "fields": {
          "as_email": {
            "type": "text",
            "analyzer": "email"
          }
        }
      }
    }
  }
}

请注意，我已经在.as_email和first-字段上使用了lastName字段-默认情况下，您可能不想强制将它们映射为电子邮件。
然后在索引一些样本后:

POST _bulk
{"index":{"_index":"users","_type":"_doc"}}
{"firstName":"abc","lastName":"adm0e776467@mail.coms","email":"dm0e776467@mail.com"}
{"index":{"_index":"users","_type":"_doc"}}
{"firstName":"xyz","lastName":"opr","email":"dm0e776467@mail.com"}
{"index":{"_index":"users","_type":"_doc"}}
{"firstName":"zyx","lastName":"dm0e776467@mail.com","email":"qwe"}
{"index":{"_index":"users","_type":"_doc"}}
{"firstName":"abc","lastName":"efg","email":"ijk"}

通配符工作得很好:

GET users/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "wildcard": {
            "email": "dm0e776467@mail.com"
          }
        },
        {
          "wildcard": {
            "lastName.as_email": "dm0e776467@mail.com"
          }
        },
        {
          "wildcard": {
            "firstName.as_email": "dm0e776467@mail.com"
          }
        }
      ]
    }
  }
}

请检查此 token 生成器的工作原理，以防止“令人惊讶”的查询结果:

GET users/_analyze
{
  "text": "dm0e776467@mail.com",
  "field": "email"
}