在ES中有很多使用不是很频繁的查询，可以达到一些特殊的效果。比如基于行为路径的漏斗模型。
本篇就从使用上讲述一下正则表达式查询的用法。
Regexp Query
regexp允许使用正则表达式进行term查询.
注意regexp如果使用不正确，会给服务器带来很严重的性能压力。比如.*开头的查询，将会匹配所有的倒排索引中的关键字，这几乎相当于全表扫描，会很慢。因此如果可以的话，最好在使用正则前，加上匹配的前缀。在正则中如果使用.*?或者+都会降低查询的性能。
注意：是term查询,也就是说这个查询不能跨term。
举个简单的例子:
GET /_search { "query": { "regexp":{ "name.first": "s.*y" } } }
正则支持的一些标准的用法：
搜索关键词的一部分
如果给定的term是abcde ab.* 可以匹配 abcd 不可以匹配 也支持使用^或者$来指定开头或者结尾。 允许特殊字符 一些特殊字符是需要转义的，比如: . ? + * | { } [ ] ( ) " \ # @ & < > ~
如果想要搜索某个固定的词，也可以加上双引号。 匹配任何字符 .可以匹配任意字符，比如 ab... a.c.e 这几个都可以匹配abcde 匹配一个或者多个 使用+表示匹配一个或者多个字符 a+b+ # match aa+bb+ # match a+.+ # match aa+bbb+ # match
上面这些都可以匹配aaabbb 匹配零个或者多个 a*b* # match a*b*c* # match .*bbb.* # match aaa*bbb* # match 上面这些都可以匹配aaabbb 匹配另个或者一个 aaa?bbb? # match aaaa?bbbb? # match .....?.? # match aa?bb? # no match 上面这些都可以匹配aaabbb 支持匹配次数 使用{}支持匹配指定的最小值和最大值区间 {5} # repeat exactly 5 times {2,5} # repeat at least twice and at most 5 times {2,} # repeat at least twice 比如对于字符串: a{3}b{3} # match a{2,4}b{2,4} # match a{2,}b{2,} # match .{3}.{3} # match a{4}b{4} # no match a{4,6}b{4,6} # no match a{4,}b{4,} # no match 捕获组 对于字符串ababab (ab)+ # match ab(ab)+ # match (..)+ # match (...)+ # no match (ab)* # match abab(ab)? # match ab(ab)? # no match (ab){3} # match (ab){1,2} # no match 选择运算符 支持或操作的匹配，注意这里默认都是最长匹配的。 aabb|bbaa # match aacc|bb # no match aa(cc|bb) # match a+|b+ # no match a+b+|b+a+ # match a+(b|c)+ # match 字符匹配 支持在[]中进行字符匹配，^代表非的意思 [abc] # 'a' or 'b' or 'c' [a-c] # 'a' or 'b' or 'c' [-abc] # '-' or 'a' or 'b' or 'c' [abc\-] # '-' or 'a' or 'b' or 'c' [^abc] # any character except 'a' or 'b' or 'c' [^a-c] # any character except 'a' or 'b' or 'c' [^-abc] # any character except '-' or 'a' or 'b' or 'c' [^abc\-] # any character except '-' or 'a' or 'b' or 'c' 其中-代表的范围匹配。 可选的匹配符 在正则表达式中也支持一些特殊的操作符，可以使用flags字段控制是否开启。 Complement 这个表示正则表示匹配一段字符串，比如ab~cd意思是：a开头，后面是b，然后是一堆非c的字符串，最后以d结尾。比如字符串abcdef ab~df # match ab~cf # match ab~cdef # no match a~(cb)def # match a~(bc)def # no match Interval interval选项支持数值的范围，比如字符串foo80: foo<1-100> # match foo<01-100> # match foo<001-100> # no match Intersection 使用&可以实现多个匹配的连接,比如字符串aaabbb： aaa.+&.+bbb # match aaa&bbb # no match Any 使用@，可以匹配任意的字符串 实践 首先创建索引： PUT test 然后创建映射： PUT test/_mapping/test { "properties": { "a": { "type": "string", "index":"not_analyzed" }, "b":{ "type":"string" } } } 添加一条数据： PUT test/test/1 { "a":"a,b,c","b":"a,b,c" } 先来分析一下，a,b,c被默认分析成了什么？ POST test/_analyze { "analyzer": "standard", "text": "a,b,c" } 返回内容： { "tokens": [ { "token": "a", "start_offset": 0, "end_offset": 1, "type": "<ALPHANUM>", "position": 0 }, { "token": "b", "start_offset": 2, "end_offset": 3, "type": "<ALPHANUM>", "position": 1 }, { "token": "c", "start_offset": 4, "end_offset": 5, "type": "<ALPHANUM>", "position": 2 } ] } 然后查询一下： POST /test/test/_search?pretty { "query":{ "regexp":{ "a": "a.*b.*" } } } 返回 { "took": 2, "timed_out": false, "_shards": { "total": 5, "successful": 5, "failed": 0 }, "hits": { "total": 1, "max_score": 1, "hits": [ { "_index": "test", "_type": "test", "_id": "1", "_score": 1, "_source": { "a": "a,b,c", "b": "a,b,c" } } ] } } 再换成b字段试试： POST /test/test/_search?pretty { "query":{ "regexp":{ "b": "a.*b.*" } } } 返回 { "took": 1, "timed_out": false, "_shards": { "total": 5, "successful": 5, "failed": 0 }, "hits": { "total": 0, "max_score": null, "hits": [] } } 这是为什么呢？ 因为整个regexp查询是应用到一个词上的，针对某个词，搜索a.*b.*，a字段由于不分词，它的词是整个的a.b.c；b字段经过分词，他的词是a和b和c三个独立的词，因此针对a字段的正则搜索可以查询到结果；但是针对b字段却搜索不到。 归纳起来，还是需要好好理解分词在搜索引擎中的作用才行。 参考 https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl-regexp-query.html.