« rewrite 参数聚合 »

› ›

正则表达式语法

编辑

正则表达式语法编辑

正则表达式是一种使用称为运算符的占位符字符来匹配数据中模式的方法。

Elasticsearch 在以下查询中支持正则表达式

Elasticsearch 使用 Apache Lucene 的正则表达式引擎来解析这些查询。

保留字符编辑

Lucene 的正则表达式引擎支持所有 Unicode 字符。但是，以下字符保留为运算符

. ? + * | { } [ ] ( ) " \

根据启用的可选运算符，以下字符也可能被保留

# @ & < >  ~

要按字面意思使用其中一个字符，请在其前面使用反斜杠进行转义，或将其括在双引号中。例如

\@                  # renders as a literal '@'
\\                  # renders as a literal '\'
"[email protected]"    # renders as '[email protected]'

反斜杠是 JSON 字符串和正则表达式中的转义字符。您需要在查询中转义两个反斜杠，除非您使用语言客户端，它会处理这个问题。例如，字符串 a\b 需要索引为 "a\\b"

response = client.index(
  index: 'my-index-000001',
  id: 1,
  body: {
    my_field: 'a\\b'
  }
)
puts response

PUT my-index-000001/_doc/1
{
  "my_field": "a\\b"
}

此文档与以下 regexp 查询匹配

response = client.search(
  index: 'my-index-000001',
  body: {
    query: {
      regexp: {
        'my_field.keyword' => 'a\\\\.*'
      }
    }
  }
)
puts response

GET my-index-000001/_search
{
  "query": {
    "regexp": {
      "my_field.keyword": "a\\\\.*"
    }
  }
}

标准运算符编辑

Lucene 的正则表达式引擎不使用 Perl 兼容正则表达式 (PCRE) 库，但它支持以下标准运算符。

.

匹配任何字符。例如

ab.     # matches 'aba', 'abb', 'abz', etc.

?

重复前面的字符零次或一次。通常用于使前面的字符可选。例如

abc?     # matches 'ab' and 'abc'

+

重复前面的字符一次或多次。例如

ab+     # matches 'ab', 'abb', 'abbb', etc.

*

重复前面的字符零次或多次。例如

ab*     # matches 'a', 'ab', 'abb', 'abbb', etc.

{}

前面字符可以重复的最小和最大次数。例如

a{2}    # matches 'aa'
a{2,4}  # matches 'aa', 'aaa', and 'aaaa'
a{2,}   # matches 'a` repeated two or more times

|

或运算符。如果左侧或右侧最长的模式匹配，则匹配将成功。例如

abc|xyz  # matches 'abc' and 'xyz'

( … )

形成一个组。您可以使用组将表达式的一部分视为单个字符。例如

abc(def)?  # matches 'abc' and 'abcdef' but not 'abcd'

[ … ]

匹配括号中的一个字符。例如

[abc]   # matches 'a', 'b', 'c'

在括号内，- 表示一个范围，除非 - 是第一个字符或已转义。例如

[a-c]   # matches 'a', 'b', or 'c'
[-abc]  # '-' is first character. Matches '-', 'a', 'b', or 'c'
[abc\-] # Escapes '-'. Matches 'a', 'b', 'c', or '-'

括号中字符前的 ^ 会否定该字符或范围。例如

[^abc]      # matches any character except 'a', 'b', or 'c'
[^a-c]      # matches any character except 'a', 'b', or 'c'
[^-abc]     # matches any character except '-', 'a', 'b', or 'c'
[^abc\-]    # matches any character except 'a', 'b', 'c', or '-'

可选运算符编辑

您可以使用 flags 参数为 Lucene 的正则表达式引擎启用更多可选运算符。

要启用多个运算符，请使用 | 分隔符。例如，flags 值 COMPLEMENT|INTERVAL 启用 COMPLEMENT 和 INTERVAL 运算符。

有效值编辑

ALL（默认）

启用所有可选运算符。

""（空字符串）

ALL 值的别名。

COMPLEMENT

启用 ~ 运算符。您可以使用 ~ 来否定最短的后续模式。例如

a~bc   # matches 'adc' and 'aec' but not 'abc'

EMPTY

启用 #（空语言）运算符。# 运算符不匹配任何字符串，甚至不匹配空字符串。

如果您通过以编程方式组合值来创建正则表达式，则可以传递 # 以指定“无字符串”。这可以避免意外匹配空字符串或其他不需要的字符串。例如

#|abc  # matches 'abc' but nothing else, not even an empty string

INTERVAL

启用 <> 运算符。您可以使用 <> 来匹配数字范围。例如

foo<1-100>      # matches 'foo1', 'foo2' ... 'foo99', 'foo100'
foo<01-100>     # matches 'foo01', 'foo02' ... 'foo99', 'foo100'

INTERSECTION

启用 & 运算符，它充当 AND 运算符。如果左侧和右侧的模式都匹配，则匹配将成功。例如

aaa.+&.+bbb  # matches 'aaabbb'

ANYSTRING

启用 @ 运算符。您可以使用 @ 来匹配任何整个字符串。

您可以将 @ 运算符与 & 和 ~ 运算符组合以创建“除...之外的所有内容”逻辑。例如

@&~(abc.+)  # matches everything except terms beginning with 'abc'

NONE

禁用所有可选运算符。

不支持的运算符编辑

Lucene 的正则表达式引擎不支持锚定运算符，例如 ^（行首）或 $（行尾）。要匹配术语，正则表达式必须匹配整个字符串。

« rewrite 参数聚合 »