Python 模糊正则弹性搜索

我正在尝试使用Elasticsearch查找单词和简化形式之间的匹配

假设我有输入单词

shmp

（在ES中索引为

shamp

），我生成以下正则表达式

s.*h.*m.*p.

，并执行以下查询DSL：

{
  "query": {
    "regexp": { "name": "s.*?h.*?m.*?p.*?" }
  }
}

是否有一种方法可以同时进行模糊搜索（例如max_展开1），以便

s.*h.*n.*p.*

匹配

但是我不确定这是最好的方法，也许有一些工作我没有想到。

（…*？h.*m.*p.*s.*m.*p.*s.*h.*p.*s.*h.*p.*s.*h.*h.*m.*m.*


手工生成有点混乱，因为它将涉及一个术语数量等于输入中字母数量的OR语句。但是，如果您使用循环，那么为任意输入生成循环也不会太糟糕。它的工作方式是允许4个字符
shmp
中的任何一个是不同的字符，但不超过一个
 此解决方案与@ezig的答案不同。对此有不同的看法：p

^(.*?([^s](?=.*?h.*?m.*?p)|s).*?([^h](?=.*?m.*?p)|h).*?([^m](?=.*?p)|m).*?.)


这个正则表达式的基本工作方式是每个字母都有一个节。对于这个解释，我们将使用
s
，因为它是第一个

S:
（[^S]（？=.*h.*m.*p）S）

这表示“允许您在此处不匹配
s
，前提是字符串的其余部分将正确匹配，否则我们需要在此处匹配
s
”

要了解为什么这个正则表达式比@ezig的答案增长得慢，我们知道第一个字符将遵循模糊匹配的规则，我们不必对其他字符太聪明

H:
（[^H]（？=.*m.*p）| H）

该部分被缩短，因为我们知道如果
s
不匹配，我们根本不会匹配字符串，但因为我们在这里检查
h
，可能会有所不同，我们知道它以前必须匹配
s
。这表示“如果字符串的其余部分正确匹配，那么我们可以匹配除
h
”之外的其他内容。”
那么
s.*h.[mn].*p.*？
？实际上，可能发散的字母是未知的。否则就太容易了；）因此，在这种情况下，您可以使用字符范围
s.*h.[a-z].*p.
或其他正则表达式，例如，您也可以使用
\w
匹配所有单词字符。
m
成为
n
就是一个例子。我的意思是
s
或
h
可能是错误的字母，如
fhmp
或
sump
。（即使我知道有很多其他单词可以匹配）正则表达式是模糊搜索部分的唯一方法吗？（仅使用正则表达式查看，不使用内置ES功能）。假设我想在一个8个字母的单词上进行4的max_扩展，正则表达式将相当大。使用ES功能可能有更好的方法来实现它——我不熟悉Elasticsearch（仅正则表达式），所以我不确定。