Regex ElasticSearch正则表达式过滤器

我在为ElasticSearch regexp筛选器正确表达regexp时遇到问题。我正在尝试匹配url字段中“info for/media”中的任何内容，例如。为了尝试正确使用正则表达式，我现在正在使用

match_all

，但最终将

match_phrase

与用户的查询字符串匹配

发布到本地主机：9200/\u搜索

{
"query" : {
               "match_all" : { },
               "filtered" : {
                           "filter" : {
                                   "regexp": {
                                        "url":".*info-for/media.*" 
                                    }
                          }
                }
         },
}

---

这将返回0个点击次数，但解析正确

*info.*

确实会得到包含url的结果，但遗憾的是，结果太宽，例如匹配任何包含“信息”的url。在“info for”中添加连字符后，我再次得到0个结果。无论我尝试什么转义字符组合，我要么得到一个解析异常，要么没有匹配项。谁能解释一下我做错了什么

首先，尽可能不要使用没有前缀的正则表达式或通配符。搜索

*foo.*

的方法是，索引字典中的每个词都与模式匹配，模式又被构造成匹配词的OR查询。这是O（n）在你的语料库中的唯一术语的数量，后续的搜索也是相当昂贵的

本文提供了有关这方面的更多详细信息：

第二，您的url可能以某种方式标记，使“info for”和“media”在索引中分开。因此，字典中没有与regexp匹配的/media-术语的

信息

您可能想做的是分别为路径和域编制索引，并使用-tokenizer生成术语

下面是一个示例，演示如何生成令牌：

即，
/foo/bar/baz
生成标记
/foo/bar/baz、/foo/bar、/foo
，域
foo.example.com
被标记为
foo.example.com、example.com、com

然后，在
/foo/bar
中搜索任何内容都可以是匹配
路径：/foo/bar
的简单术语过滤器。这是一个性能更高的过滤器，也可以缓存。
一个更简单的选项是将此字段映射为具有未分析版本的多字段，并在未分析字段上运行regexp过滤器。一般来说，regexp过滤器在未分析的字段上更有意义。这仍然是一个非常昂贵的查询。感谢@AlexBrasetvik，我在将映射/分析器配置的JSON版本发布到我的索引设置端点时遇到了一些困难。它找不到我声明的分析器。如果您有示例JSON，它将非常有用，谢谢。@AlexBrasetvik为什么在未分析的字段上执行正则表达式仍然很昂贵？