elasticsearch match_phrase语句你真的理解了吗？

这是我今天对于elasticsearch的一点体会，elasticsearch默认的分词器是standard，就是以空格进行分词，elasticsearch语句和standard分词器结合的比较好，在学习的过程中，测试英文没有问题，但一旦遇到中文或者中文分词，好像就不是那么顺利了，甚至很多参数对中文分词器没有用，所以理解中文分词器看来非常关键，今天我使用match_phrase语句进行简单的总结。

match_phrase是短语匹配，是为了更加精准的搜索，在某些场景下非常有用，仔细体会官方文档的介绍：

The match_phrase query analyzes the text and creates a phrase query out of the analyzed text.

standard分词器

先索引两条数据

POST testen/_doc/1
{
  "message": "i like footbool"
}

POST testen/_doc/2
{
  "message": "我们大家好中国人喜欢运动"
}

进行搜索，没毛病，看上去很完美：

GET testen/_search
{
  "query": {
    "match_phrase": {
      "message": {
        "query": "i like"
      }
    }
  }
}

没有出现想要的结果，说明分词的顺序很重要（短语搜索和索引关系很大）：

GET testen/_search
{
  "query": {
    "match_phrase": {
      "message": {
        "query": "like i"
      }
    }
  }
}

为了让短语匹配宽松一点，使用slop，没毛病：

GET testen/_search
{
  "query": {
    "match_phrase": {
      "message": {
        "query": "i footbool",
        "slop": 1
      }
    }
  }
}

对中文看上去支持的不错，因为标准分词器将中文分为了一个个字符（缺点反而变为了优点）：

GET testen/_search
{
  "query": {
    "match_phrase": {
      "message": {
        "query": "我们大家运动",
        "slop": 6
      }
    }
  }
}

中文分词器

接下去我们看看中文分词，match_phrase是如何处理的：

PUT testcn
{
  "mappings": {
    "properties": {
      "message": {
        "type": "text",
        "analyzer": "hanlp",
        "fields": {
          "keyword": {
            "type": "keyword"
          }
        }
      }
    }
  }
}

先索引没有意义的一个句子：

POST testcn/_doc/1
{
  "message": "我们大家好中国人喜欢运动"
}

看看分词过程：

GET /_analyze
{
  "text":  "我们大家好中国人喜欢运动",
  "analyzer": "hanlp"
}

匹配到了：

GET testcn/_search
{
  "query": {
    "match_phrase": {
      "message": {
      "query": "大家好中国人喜欢",
      "slop": 2
      }
    }
  }
}

这句更简单，居然没有匹配到：

GET testcn/_search
{
  "query": {
    "match_phrase": {
      "message": {
      "query": "中国人喜欢",
      "slop": 2
      }
    }
  }
}

这说明什么？换句 比较通顺 的句子吧：

POST testcn/_doc/2
{
  "message": "今天我去了北京天安门"
}

GET testcn/_search
{
  "query": {
    "match_phrase": {
      "message": {
      "query": "去了天安门",
      "slop": 1
      }
    }
  }
}

GET testcn/_search
{
  "query": {
    "match_phrase": {
      "message": {
      "query": "我天安门",
      "slop": 3
      }
    }
  }
}

结果看上去还行。

所以说，如果要使用短语匹配，用标准分词器是不是支持的也不错？用中文分词器反而不好？