正则表达式语法 #

正则表达式（regex）是一种使用特殊符号和运算符定义搜索模式的方法。这些模式允许你在字符串中匹配字符序列。

在 Easysearch 中，你可以在以下查询类型中使用正则表达式：

• regexp
• query_string

Easysearch 使用 Apache Lucene 正则表达式引擎，该引擎有自己的语法和限制。它不使用 Perl 兼容正则表达式（PCRE），因此某些熟悉的正则表达式功能可能会表现不同或不受支持。

在 regexp 和 query_string 查询之间进行选择 #

regexp 和 query_string 查询都支持正则表达式，但它们的行为不同，适用于不同的使用场景。

保留字符 #

Lucene 的正则表达式引擎支持所有 Unicode 字符。然而，以下字符被视为特殊运算符：

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

根据启用的 flags 指定的可选运算符，以下字符也可能被保留：

@ & ~ < >

要字面匹配这些字符，可以用反斜杠（ \ ）转义它们，或者将整个字符串用双引号括起来：

• \& : 匹配字面量 &
• \\ : 匹配字面量反斜杠 ( \ )
• "hello@world" ：匹配整个字符串 hello@world

标准正则表达式运算符 #

Lucene 支持一组核心的正则表达式运算符：

• . – 匹配任何单个字符。示例： f.n 匹配 f 后跟任何字符然后是 n （例如 fan 或 fin ）。
• ? – 匹配零个或一个前面的字符。示例： colou?r 匹配 color 和 colour 。
• + – 匹配一个或多个前面的字符。示例： go+ 匹配 g 后面跟着一个或多个 o （ go ， goo ， gooo ，等等）。
• * – 匹配零个或多个前面的字符。示例： lo*se 匹配 l 后面跟着零个或多个 o ，然后是 se （ lse ， lose ， loose ， loooose ，等等）。
• {min,max} – 匹配特定的重复次数范围。如果 max 被省略，则匹配的字符数量没有上限。示例： x{3} 匹配正好 3 个 x （ xxx ）； x{2,4} 匹配 2 到 4 个 x （ xx ， xxx ，或 xxxx ）； x{3,} 匹配 3 个或更多 x （ xxx ， xxxx ， xxxxx ，等等）。
• | – 充当逻辑 OR 。例如： apple|orange 匹配 apple 或 orange 。
• ( ) – 将字符分组为子模式。例如： ab(cd)? 匹配 ab 和 abcd 。
• [ ] – 匹配集合或范围内的一个字符。例如： [aeiou] 匹配任何元音。
  • - – 当置于括号内时，表示范围，除非被转义或位于括号内的第一个字符。例如： [a-z] 匹配任何小写字母； [-az] 匹配 - 、 a 或 z ； [a\\-z] 匹配 a 、 - 或 z 。
  • ^ – 当置于方括号内时，充当逻辑 NOT ，否定一个字符范围或集合中的任意字符。示例： [^az] 匹配除 a 或 z 之外的任意字符； [^a-z] 匹配除小写字母之外的任意字符； [^-az] 匹配除 - 、 a 和 z 之外的任意字符； [^a\\-z] 匹配除 a 、 - 和 z 之外的任意字符。

可选运算符 #

你可以使用 flags 参数启用额外的正则表达式运算符。多个标志之间用 | 分隔。

以下是可以使用的标志：

• ALL (默认) – 启用所有可选运算符。
• COMPLEMENT – 启用 ~ ，该标志会否定最短匹配的表达式。示例： d~ef 匹配 dgf 、 dxf ，但不匹配 def 。
• INTERSECTION – 启用 & 作为 AND 逻辑运算符。示例： ab.+&.+cd 匹配包含 ab 开头和 cd 结尾的字符串。
• INTERVAL – 启用 <min-max> 语法来匹配数字范围。示例： id<10-12> 匹配 id10 、 id11 和 id12 。
• ANYSTRING – 使 @ 能够匹配任何字符串。你可以将其与 ~ 和 & 结合使用以进行排除。示例： @&.*error.*&.*[0-9]{3}.* 匹配同时包含“error”一词和三个数字序列的字符串。

不支持的特性 #

Lucene 的引擎不支持以下常用的正则表达式方式：

• ^ – 行首
• $ – 行尾

示例 #

要尝试正则表达式，请将以下文档索引到 logs 索引中：

PUT /logs/_doc/1
{
  "message": "error404"
}

PUT /logs/_doc/2
{
  "message": "error500"
}

PUT /logs/_doc/3
{
  "message": "error1a"
}

示例：包含正则表达式的简单查询 #

以下 regexp 查询返回 message 字段的全部值与“error”后跟一个或多个数字的模式匹配的文档。如果值仅包含该模式作为子字符串，则不匹配：

GET /logs/_search
{
  "query": {
    "regexp": {
      "message": {
        "value": "error[0-9]+"
      }
    }
  }
}

此查询匹配 error404 和 error500 :

{
  "took": 28,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 2,
      "relation": "eq"
    },
    "max_score": 1,
    "hits": [
      {
        "_index": "logs",
        "_id": "1",
        "_score": 1,
        "_source": {
          "message": "error404"
        }
      },
      {
        "_index": "logs",
        "_id": "2",
        "_score": 1,
        "_source": {
          "message": "error500"
        }
      }
    ]
  }
}

示例：使用可选运算符 #

以下查询匹配 message 字段完全匹配以“error”开头，后跟 400 到 500（含）之间的数字的字符串。 INTERVAL 标志启用 <min-max> 语法用于数值范围：

GET /logs/_search
{
  "query": {
    "regexp": {
      "message": {
        "value": "error<400-500>",
        "flags": "INTERVAL"
      }
    }
  }
}

此查询匹配 error404 和 error500 :

{
  "took": 22,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 2,
      "relation": "eq"
    },
    "max_score": 1,
    "hits": [
      {
        "_index": "logs",
        "_id": "1",
        "_score": 1,
        "_source": {
          "message": "error404"
        }
      },
      {
        "_index": "logs",
        "_id": "2",
        "_score": 1,
        "_source": {
          "message": "error500"
        }
      }
    ]
  }
}

示例：使用 ANYSTRING #

当 ANYSTRING 标志启用时， @ 运算符匹配整个字符串。这在与交集（ & ）结合使用时很有用，因为它允许你在特定条件下构建匹配完整字符串的查询。

以下查询匹配包含单词“error”和三个数字序列的消息。使用 ANYSTRING 来断言整个字段必须匹配两个模式的交集：

GET /logs/_search
{
  "query": {
    "regexp": {
      "message.keyword": {
        "value": "@&.*error.*&.*[0-9]{3}.*",
        "flags": "ANYSTRING|INTERSECTION"
      }
    }
  }
}

此查询匹配 error404 和 error500 :

{
  "took": 20,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 2,
      "relation": "eq"
    },
    "max_score": 1,
    "hits": [
      {
        "_index": "logs",
        "_id": "1",
        "_score": 1,
        "_source": {
          "message": "error404"
        }
      },
      {
        "_index": "logs",
        "_id": "2",
        "_score": 1,
        "_source": {
          "message": "error500"
        }
      }
    ]
  }
}

请注意，此查询也将匹配 xerror500 、 error500x 和 errorxx500 。