ElasticSearch第十篇：multi_match多字段查询以及wildcard模糊查询

1.multi_match

multi_match查询提供了一个简便的方法用来对多个字段执行相同的查询，即对指定的多个字段进行match查询,其有三种类型，

best_fields，most_fields以及cross_fields，默认为best_fields。

比如使用同一个查询关键字同时在company和place中查询:

GET 51job/_doc/_search
{
    "query": {
        "multi_match" : {
            "query" : "鹏开罗湖",
            "fields": ["company", "place"],
            "type": "best_fields",
            "tie_breaker": 0.3,
            "minimum_should_match": "30%"
        }
    }
}

结果如下：

将company字段和place字段里包含"鹏开罗湖"的文档全部查询出来了。

multi_match查询中，查询字段名称的模糊匹配：

博主的es库里没有可模糊匹配的字段，编一个。

字段名称可以用模糊匹配的方式给出（使用*号匹配）：任何与模糊模式正则匹配的字段都会被包括在搜索条件中，例如可以使用以下方式同时匹配 book_title 、 chapter_title 和 section_title （书名、章名、节名）这三个字段：

GET 51job/_doc/_search
{
    "query": {
        "multi_match" : {
            "query" : "鹏开罗湖",
            "fields": "*_title",
            "type": "best_fields",
            "tie_breaker": 0.3,
            "minimum_should_match": "30%"
        }
    }
}

multi_match查询中，提升单个字段的权重：

可以使用 ^ 字符语法为单个字段提升权重，在字段名称的末尾添加 ^boost ，其中 boost 是一个浮点数：

GET 51job/_doc/_search
{
    "query": {
        "multi_match" : {
            "query" : "鹏开罗湖",
            "fields": ["company", "place^2"],
            "type": "best_fields",
            "tie_breaker": 0.3,
            "minimum_should_match": "30%"
        }
    }
}

其中一个搜索结果的评分如下（翻了2倍）：

{
        "_index" : "51job",
        "_type" : "_doc",
        "_id" : "C0eg-3MBrm2PQExGCcDA",
        "_score" : 13.262653,
        "_source" : {
          "id" : 27,
          "job" : "中级Java开发工程师",
          "company" : "上海吉联新软件股份有限公司",
          "place" : "深圳-罗湖区",
          "salar" : "1-1.5万/月",
          "data" : "12-13"
        }
      }

2.wildcard模糊查询

查询job字段中以中级Java开发工程师开头，以任意字符结尾的文档，其中使用*来匹配

GET 51job/_doc/_search
{
    "query": {
        "wildcard" : {
            "job" : "中级Java开发工程师*"
        }
    }
}

查询结果如下：

结果跟预期一样，但是如果数据量很大时，使用这个模糊查询效率很低，建议先分词建立倒排索引再分词查询。