Elasticsearch - поиск подстроки, охватывающей 2 слова

Question

Простой пример

У меня есть документ с текстовым полем name, который обычно содержит адреса:

1234 Palm Tree Street NE, Miami, FL 33101

Я ожидаю, что Elasticsearch найдет Palm Tree по указанному выше адресу, когда я использую wildcard с:

*alm Tre*

Вместо этого я не получаю результатов.

Обоснование / реалистичный пример

Иногда поле name содержит закодированную информацию, которая охватывает 2 слова, следующим образом:

R3358b7119 x3387HRL388

Я использую подстановочный знак с *<search phrase>*, который работает, когда пользователь вводит либо 2 целых слова, либо одно частичное слово. Но если пользователь вводит конец одного слова и начало следующего слова, например b7119 x3387 (используя приведенный выше пример), документ не возвращается.

Регулярное выражение не представляется возможным решением: (

Я пытался использовать поиск по регулярному выражению:

{'regexp': {'name': '.*b7119 x3387.*'}}

Но даже это не вернуло документ.

Я действительно в растерянности ...

Answer 1

Прежде всего, чтобы регулярное выражение работало, вам нужно установить сопоставление для вашего name с помощью not_analyzed, потому что Elasticsearch будет применять регулярное выражение к условиям, производимым токенизатором для этого поля, и не к исходному тексту поля

"type": {
   "properties": {
      "name": {
         "type": "string",
         "index": "not_analyzed",
         "store": true
      }
   }
}

Answer 2

Если вы еще не знаете, регулярное выражение с .* требует больших вычислительных затрат. Более гибким решением будет использование анализаторов для решения вашей проблемы.

Вы можете создать поле без пробелов и использовать ngram analyzer , чтобы разбить ваш текст на под токены. Это решение должно быть намного быстрее, но для хранения всех подмножеств потребуется гораздо больше дискового пространства.