Elasticsearch：fuzzy 搜索 （模糊搜索）
2024-09-07 21:17:56
在实际的搜索中，我们有时候会打错字，从而导致搜索不到。在Elasticsearch中，我们可以使用fuzziness属性来进行模糊查询，从而达到搜索有错别字的情形。
match查询具有“fuziness”属性。它可以被设置为“0”， “1”， “2”或“auto”。“auto”是推荐的选项，它会根据查询词的长度定义距离。
Fuzzy query
返回包含与搜索词相似的词的文档，以Levenshtein编辑距离测量。
编辑距离是将一个术语转换为另一个术语所需的一个字符更改的次数。 这些更改可以包括：
- 更改字符（box→fox）
- 删除字符（black→lack）
- 插入字符（sic→sick）
- 转置两个相邻字符（act→cat）
为了找到相似的词，模糊查询会在指定的编辑距离内创建搜索词的所有可能变化或扩展的集合。 查询然后返回每个扩展的完全匹配。
例子
我们首先输入如下的一个文档到fuzzyindex索引中：
PUT fuzzyindex/_doc/1
{
"content": "I like blue sky"
}
如果这个时候，我们进行如下的搜索：
GET fuzzyindex/_search
{
"query": {
"match": {
"content": "ski"
}
}
}
那么是没有任何被搜索到的结果，这是因为“I like blue sky" 里分词后没有ski这个词。
{
"took" : 0,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 0,
"relation" : "eq"
},
"max_score" : null,
"hits" : [ ]
}
}
这个时候，如果我们使用如下的搜索：
GET fuzzyindex/_search
{
"query": {
"match": {
"content": {
"query": "ski",
"fuzziness": "1"
}
}
}
}
那么显示的结果是：
{
"took" : 18,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 1,
"relation" : "eq"
},
"max_score" : 0.19178805,
"hits" : [
{
"_index" : "fuzzyindex",
"_type" : "_doc",
"_id" : "1",
"_score" : 0.19178805,
"_source" : {
"content" : "I like blue sky"
}
}
]
}
}
显然是找到我们需要的结果了。这是因为sky和ski时间上是只差别一个字母。
同样，如果我们选用“auto”选项看看：
GET fuzzyindex/_search
{
"query": {
"match": {
"content": {
"query": "ski",
"fuzziness": "auto"
}
}
}
}
它显示的结果和上面的是一样的。也可以进行匹配。
如果我们进行如下的匹配：
GET fuzzyindex/_search
{
"query": {
"match": {
"content": {
"query": "bxxe",
"fuzziness": "auto"
}
}
}
}
那么它不能匹配任何的结果，但是，如果我们进行如下的搜索：
GET fuzzyindex/_search
{
"query": {
"match": {
"content": {
"query": "bxxe",
"fuzziness": "2"
}
}
}
}
我们也可以使用如下的格式：
GET /_search
{
"query": {
"fuzzy": {
"content": {
"value": "bxxe",
"fuzziness": "2"
}
}
}
}
那么它可以显示搜索的结果，这是因为我们能够容许两个编辑的错误。
模糊性是拼写错误的简单解决方案，但具有很高的CPU开销和非常低的精度。
参考：
【1】https://www.elastic.co/guide/en/elasticsearch/reference/7.4/query-dsl-fuzzy-query.html
最新文章
- Aspose.Cells 首次使用，用到模版填充数据，合并单元格，换行
- kernel/dma.c
- Bash Shell 获取进程 PID
- Oracle 函数中动态执行语句
- elclipse/myeclipse web.xml自动提示补全问题
- 采用httpclient提交数据到服务器
- 在Unity3D 4中关联Visual Studio 2012来编写C#
- Linux C 程序 进程控制(17)
- seajs构建方法
- 在虚拟机VM中安装的Ubuntu上安装和配置Hadoop
- flappy pig小游戏源码分析(4)——核心pig模块(未完待续)
- elecworks无法连接至协同服务器
- app抓包
- C#中的正则 Regex类
- hdu 5015 233 Matrix(构造矩阵)
- JS的一些常见验证代码
- 结合ThreadLocal来看spring事务源码，感受下清泉般的洗涤！
- ArcGIS API for JavaScript 4.2学习笔记[23] 没有地图如何进行查询？【FindTask类的使用】
- 关于js dtGrid报错长度的问题
- salesforce lightning零基础学习(十三) 自定义Lookup组件（Single & Multiple）
热门文章
- 彻底搞定Javascript事件循环
- Django用户认证模块中继承AbstractUser与AbstractBaseUser重写User表的区别
- redis的安装和连接
- oauth2中org.springframework.security.core.userdetails.User无法转换为封装的AuthorizationInfoBean
- Go语言学习之斐波那契数列的测试例子和定义常量方法
- 请定义一个函数quadratic(a, b, c)，接收3个参数，返回一元二次方程 ax^2+bx+c=0ax 2 +bx+c=0 的两个解。
- fastdfs 集群搭建
- shell习题第13题：监控nginx进程
- 数据库（mysql和oracle）
- Docker 杂记