关于 elasticsearch 分词的疑问求解？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

› Elasticsearch 参考文档

› Elasticsearch: The Definitive Guide

› elasticseaerch-analysis-ik

这是一个创建于 2795 天前的主题，其中的信息可能已经有所发展或是发生改变。

问题是这样的：

1 、之前用 elasticsearch 导入了一些数据，都是找来的客户邮箱，几百万吧。导入的时候，没注意分词，也就是默认了标准模式。后来查询用的 kibana ，因为不需要分词，所以每次查询都是用的双引号把关键词括起来的。

2 、最近需要开发一个 php 检索 elasticsearch 的接口，还是不需要分词，但是怎么都实现不了，甚至我用了双赢号把关键词括起来都不行，就像这样的：$key='"'.$getkey.'"'，它还是会传给 elastic 分词查询。

3 、后来查了文档，原因是 elastic 和 kibana 都采用了 lucene 的全文搜索规则。

4 、所以，问题就是，现在没办法改 mapping 的情况下，怎么才能让这个 php 接口不分词检索？

大大的求助啊！

分词

kibana

Elastic

PHP

14 条回复 • 2017-04-25 17:24:32 +08:00

knightdf

2017-03-12 22:36:34 +08:00

1, 用 term query
2 ，指定 search analyzer

lovepim

2017-03-12 22:46:35 +08:00

@knightdf
多谢回答！请问具体改哪里？这是用的网上写好的类，我不是特别熟悉：
这是 class 代码：
public function search($data) {
$url = 'http://' . $this->host . ':' . $this->port . '/' . $this->indexName . '/' . $this->tableName . '/_search';
$json_data = json_encode ( $data );
return $this->curl ( $url, $json_data, "GET" );
}

这是引用代码：
$elasticsearch = new \Think\ElasticsearchService ();
$index['query']['bool']['should'] = array(
array('match' => array('Address' => $keyword)),
array('match' => array('Email' => $keyword))
);

$result= $elasticsearch->search ( $index );

knightdf

2017-03-12 22:52:50 +08:00

@lovepim 不会 PHP ，我改个样子你去琢磨:
$index['query']['bool']['must'] = array(
array('match' => array('Address' => $keyword)),
array('term' => array('Email' => $keyword))
);

billzhuang

2017-03-12 22:53:30 +08:00

最简单的办法是，导入的数据用 logstash ，并且将 index 的名字以 logstash_开头，会自动帮你做好大部分事情。

比如你这个问题，是这么解决的，假设你的字段叫 email ，那么 email 这个字段是帮你分词好的，但还会有个叫 email.raw 的字段，就是没分词的。

knightdf

2017-03-12 23:00:27 +08:00

@lovepim 或者：
$index['query']['bool']['should'] = array(
array('match' => array('Address' => $keyword)),
array('match' => array('Email' => ('query' => $keyword, 'analyzer' => 'whitespace')))
);

lovepim

2017-03-12 23:07:15 +08:00

@knightdf
哈哈，好像不行啊，直接跑死了。

lovepim

2017-03-12 23:12:05 +08:00

@knightdf
第二段代码加上以后，搜一个邮箱 [email protected] ，不光是 @分词了，连后面的.也分了。之前是光 @分词。

lovepim

2017-03-12 23:14:48 +08:00

@billzhuang
我的数据当时就是用 logstash 导入的，自动建的 mapping 。。。现在没有原数据了，不能重新导了。

lgpqdwjh

2017-03-12 23:17:15 +08:00

@lovepim 不懂 php ，可以把数据都导出来，梳理一下重新导入进去，再查询

理论上 term query 是可以实现的

slixurd

2017-03-12 23:20:53 +08:00

新手的话就好办了,反正_source 肯定没关....
拿_source 重建一个索引就完了,源数据都在,几百万数据也就几十分钟的事情
分完词了拿 term query 查个啥....

knightdf

2017-03-12 23:54:44 +08:00

@lovepim whitespace 是不会分 @和.的

rrfeng

2017-03-13 00:09:31 +08:00 via Android

分词有两种，索引数据的时候和查询的时候。

都要搞定才行。

Jakesoft

2017-03-13 00:17:22 +08:00

@knightdf 你这个 match 查询是可以的，但是 term 查询似乎只对 not analyzed 字段有用，他这估计肯定是用了用了默认的 analyzer

alexanderchen

2017-04-25 17:24:32 +08:00

索引时候用细粒度的分词策略，查询时候用粗粒度的