索引和搜索分析

文本分析发生在两个时间点

索引时

当文档被索引时，任何 text 字段的值都会被分析。

搜索时

在 text 字段上进行全文搜索时，查询字符串（用户正在搜索的文本）会被分析。搜索时也称为查询时。

有关搜索时文本分析的更多详细信息，请参阅搜索期间的文本分析。

在每个时间点使用的分析器（或分析规则集）分别称为索引分析器或搜索分析器。

索引分析器和搜索分析器如何协同工作

在大多数情况下，索引时和搜索时应使用相同的分析器。这确保了字段的值和查询字符串被转换为相同形式的 token。反过来，这确保了 token 在搜索过程中能按预期匹配。

文档在 text 字段中以以下值被索引

The QUICK brown foxes jumped over the dog!

该字段的索引分析器将值转换为 token 并对其进行标准化。在本例中，每个 token 代表一个单词

[ quick, brown, fox, jump, over, dog ]

这些 token 随后被索引。

稍后，用户在同一个 text 字段中搜索

"Quick fox"

用户期望此搜索能匹配之前索引的句子 The QUICK brown foxes jumped over the dog!。

然而，查询字符串并不包含文档原始文本中使用的确切单词

为了解决这个问题，使用相同的分析器对查询字符串进行分析。该分析器会产生以下 token

[ quick, fox ]

为了执行搜索，Elasticsearch 会将这些查询字符串的 token 与 text 字段中索引的 token 进行比较。

由于字段值和查询字符串以相同的方式被分析，它们产生了相似的 token。token quick 和 fox 是精确匹配的。这意味着搜索匹配到了包含 "The QUICK brown foxes jumped over the dog!" 的文档，正如用户所期望的那样。

虽然不太常见，但有时在索引时和搜索时使用不同的分析器是有意义的。为了实现这一点，Elasticsearch 允许您指定单独的搜索分析器。

通常，仅当对字段值和查询字符串使用相同形式的 token 会导致意外或不相关的搜索匹配时，才应指定单独的搜索分析器。

Elasticsearch 用于创建一个仅匹配以提供的前缀开头的单词的搜索引擎。例如，搜索 tr 应返回 tram 或 trope，但绝不应返回 taxi 或 bat。

一个文档被添加到搜索引擎的索引中；该文档在 text 字段中包含一个这样的单词

"Apple"

该字段的索引分析器将值转换为 token 并对其进行标准化。在本例中，每个 token 都代表单词的一个潜在前缀

[ a, ap, app, appl, apple]

这些 token 随后被索引。

稍后，用户在同一个 text 字段中搜索

"appli"

用户期望此搜索仅匹配以 appli 开头的单词，例如 appliance 或 application。该搜索不应匹配 apple。

然而，如果使用索引分析器来分析此查询字符串，它将产生以下 token

[ a, ap, app, appl, appli ]

当 Elasticsearch 将这些查询字符串的 token 与为 apple 索引的 token 进行比较时，它会发现几个匹配项。

这意味着搜索会错误地匹配到 apple。不仅如此，它还会匹配任何以 a 开头的单词。

为了解决这个问题，您可以为 text 字段上使用的查询字符串指定一个不同的搜索分析器。

在本例中，您可以指定一个产生单个 token 而不是一组前缀的搜索分析器

[ appli ]

此查询字符串 token 将仅匹配以 appli 开头的单词的 token，这更符合用户的搜索预期。