文章目录
- 一、Term query简介
- 二、Term query和Match query对比
- 1. 数据准备
- 2. 使用Match query查询
- 3. 使用Term query查询
- 三、分词器修改字段值的场景
- 1. 删除大多数标点符号
- 2. 英文大写转小写
- 3. 超过max_token_length部分单独拆分
一、Term query简介
使用Term query可以根据精确值查找相关文档数据，不过Term query查询与Match query查询还是有区别的，有时候你会发现用Match query可以查到，换成Term query却不行，本文整理一些使用Term query容易出错的点供参考。
如果你查看Term query的官方文档，你就会发现，官网首先对Term query做了3项明确说明。
- 避免是对
text属性的字段使用Term query查询。 Elasticsearch会因为分词器的原因改变字段的值，所以如果想要精确匹配text类型的字段将会很难。- 如果查询
text类型的字段，建议使用Match query。
二、Term query和Match query对比
1. 数据准备
建立一个索引，其中name是keyword类型，full_name是text类型。
PUT /test-index
{
"mappings": {
"_doc": {
"properties": {
"name": {
"type": "keyword"
},
"full_name": {
"type": "text"
}
}
}
}
}
插入一条数据
PUT /test-index/_doc/1
{
"name":"zhang",
"full_name":"zhang san"
}
2. 使用Match query查询
查询name字段
GET /test-index/_search
{
"query": {
"match": {
"name": "zhang"
}
}
}
可以查询到结果
查询full_name字段
GET /test-index/_search
{
"query": {
"match": {
"full_name": "zhang san"
}
}
}
同样也可以查询到结果
3. 使用Term query查询
查询name字段
GET /test-index/_search
{
"query": {
"term": {
"name": "zhang"
}
}
}
可以查询到结果
查询full_name字段
GET /test-index/_search
{
"query": {
"term": {
"full_name": "zhang san"
}
}
}
没有查到结果
但是如果你按空格拆开来查询，比如只查询zhang或者san，是可以查询到结果的（Match query拆分后也可以查询到结果）
GET /test-index/_search
{
"query": {
"term": {
"full_name": "zhang"
}
}
}
好了，到此就解释了为什么官网要做那三项说明，简单来说就是当使用Term query查询时，如果是text类型，会按照分词后的结果来进行匹配，而分词的规则，如果你掌握不好，那么查询时就很容易出错了。
我们也可以验证一下在standard分词器下，zhang san的分词结果。
POST _analyze
{
"analyzer": "standard",
"text": "zhang san"
}
可以看到，zhang san确实被拆分为了zhang和san两部分。
所以使用Term query查询时，如果直接查询zhang san是查询不到结果的。
三、分词器修改字段值的场景
我们知道Elasticsearch的有多种分词器，你也可以自定义分词器，所以实际上在不同的分词器下，zhang san可能有不同的拆分方法，就像前面说的，分词的规则如果你掌握不好，就会导致查询的结果和你设想中的结果不匹配，下面，我们可以来看看默认的分词器standard analyzer，会有哪些改变字段值的场景？
1. 删除大多数标点符号
POST _analyze
{
"analyzer": "standard",
"text": "hello! zhang san"
}
可以对比下如果是whitespace分词器则可以识别出标点符号
POST _analyze
{
"analyzer": "whitespace",
"text": "hello! zhang san"
}
可以看到hello！并没有被拆分开。
2. 英文大写转小写
这是一个很容易掉坑的地方。
POST _analyze
{
"analyzer": "standard",
"text": "Hello Zhang San"
}
经过standard分词器后，大写的英文字母都被转换成了小写，所以，此时如果你还是按照Hello来查询的话，是不会查询到结果的，这点要特别注意。
3. 超过max_token_length部分单独拆分
max_token_length：最大令牌长度。如果超过此长度，则会被拆分开。默认值为 ：255
自定义一个分词器，并设置max_token_length长度为5。
PUT test-analyzer
{
"settings": {
"analysis": {
"analyzer": {
"my_analyzer": {
"tokenizer": "my_tokenizer"
}
},
"tokenizer": {
"my_tokenizer": {
"type": "standard",
"max_token_length": 5
}
}
}
}
}
看一下分词效果
POST test-analyzer/_analyze
{
"analyzer": "my_analyzer",
"text": "Hello, Elasticsearch"
}
可以看到，拆分后的每一项长度最多不会超过5。
