一尘不染

Lucene正则表达式中的单词边界

elasticsearch

我想在Elastisearch中使用单词边界进行正则表达式查询,但是看起来Lucene正则表达式引擎不支持\b。我可以使用哪些解决方法?


阅读 248

收藏
2020-06-22

共1个答案

一尘不染

在ElasticSearch
regex风格中,没有直接等效于单词边界的功能。最初\b是一样的东西(^|[^A-Za-z0-9_]),如果word用一个字字符开始,并且尾部\b就像($|[^A-Za-z0-9_])如果word用一个字字符结束。

因此,我们需要确保word在字符串的前后或字符串的开始/结束处有一个非单词char
。由于正则表达式是默认锚定的,因此我们需要[^A-Za-z0-9_]在字符串的开始/结尾添加.*可选内容的方法是在旁边添加并使用可选的分组结构进行包装:

(.*[^A-Za-z0-9_])?word([^A-Za-z0-9_].*)?

细节

  • (.*[^A-Za-z0-9_])?-字符串的开头或任何0+字符(但是使用换行符char,否则使用(.|\n)*),然后是任何一个字符,但一个单词char(基本上是字符串的开头,后跟组中模式的1或0)
  • word - 一个字
  • ([^A-Za-z0-9_].*)? -任意char的可选序列,但单词char后跟任意0+字符,后跟字符串位置的末尾(在Lucene regex中隐含)。
2020-06-22