Elasticsearch的wildcard空格问题

因业务需要，之前的个别后台搜索功能采用了wildcard通配搜索，虽然性能很差，但效果最好。

但近日接到反馈，说是带有空格的搜索词无法通过wildcard匹配到结果。

应用wildcard的字段是keyword类型，当搜索词是：”abc def”的时候无法找到结果，但是仅搜”abc”或者”def”则可以搜到。

有一篇stackoverflow：https://stackoverflow.com/questions/29377705/elastic-wild-card-search-not-working-with-space ，说到wildcard只能支持单个term的通配，中间带有空格是不行的：

The wildcard query works only with a single token. What you are trying to do is to find one token followed by another token with the second token being specified by a prefix. This can be achieved by using match phrase prefix query. Your query would look like this:

QueryBuilders.matchPhrasePrefixQuery(ElasticSearchUtil.FIELDNAME, searchValue)

Please note that the searchValue shouldn’t have “*” at the end.

我又查到了一个2011年的博客，提到了底层lucene对空格等特殊字符的处理问题：https://dismantledtech.wordpress.com/2011/05/15/handling-spaces-in-lucene-wild-card-searches/：

This caused a problem, because Lucene’s query parser interprets the space in the search term as a break in the actual query, and doesn’t include it in the search.

我们去查lucene官方手册，可以看到对于lucene来说，它的语法包含了一些特殊字符，如果我们希望让lucene把wildcard query的”abc def”视作一个整体，那么需要转移成”abc\ def”，这样lucene就不会认为空格是拆分2个term的意思了。

然而我经过实践发现，在ES5.X中即便转义也没有达到效果，我的 PHP 代码如下：

    public function escape_query($text)
    {
        $regex = '/[\\+\\-\\&\\|\\!\\(\\)\\{\\}\\[\\]\\^\\"\\~\\*\\?\\:\\\\ ]/';
        return preg_replace($regex, '\\\\$0', $text);
    }

所以，也许我们需要看一下ES在处理wildcard query的时候做了什么事情，这个留作TODO。

另外，在之前的博客我也说过，利用match phrase短语匹配并不能完美解决精确通配的问题，因为短语匹配也依赖分词，而类似”*abc de*”这样的通配，对于match phrase分词阶段是无解的，一定无法匹配到想要的文档。

博主无私的分享着知识，你愿意送他一顿热腾腾的早餐吗？