如何在 Azure 搜索索引中获取字符匹配而不是子字符串

Question

我为 DocumentDB collection 创建了一个 Azure 索引，它似乎工作正常。该索引具有用户帐户的属性，例如 FirstName、LastName 和 Username。问题是默认分词器似乎在分词 Username 字段。虽然我想要前两个字段的标记匹配，但我想要用户名的字符匹配。有没有通过 Azure 门户实现此目的的简单方法？如果没有，我该如何实现？

Answer 1

您能否举例说明您希望对此用户名字段执行的操作？我不确定你所说的字符匹配是什么意思。它是基于 RegEx 的字符匹配吗？如果是这样，也许启用 RegEx 搜索的 custom analyzer 可能有助于此字段？请注意，RegEx 的性能不如典型的索引，因为我们需要扫描整个内容，而不是使用倒排索引来查找标记匹配。

Answer 2

根据您的上述评论添加另一个答案。所以基本上在最好的情况下，你要做的是前缀、后缀和通配符搜索。因此，如果用户名是 user246392，您可以通过键入 "use"、“392”甚至 "er246" 来找到它。前缀很简单，因为您可以搜索 use* 并且它会找到它。

Kendra Little 写了一篇关于如何利用 RegEx with Azure Search 的非常好的博客 post，它可以让您完成您的询问的完整通配符部分（即搜索“392”）。

如果你想进行后缀搜索，你可以做一个非常有效的技巧，你可以创建一个新字段，该字段将是一个自定义分析器，以相反的顺序索引单词。这是一个索引模式的示例，它允许这样做（通过 suffixName 字段）

{   
"name":"people",
"fields": [
    { "name":"id", "type":"Edm.String", "key":true, "searchable":false },
    {"name": "suffixName", "type": "Edm.String", "searchable":true, "indexAnalyzer":"suffixIndexingAnalyzer", "searchAnalyzer":"reverseText"}
],
"analyzers": [
    {
        "@odata.type": "#Microsoft.Azure.Search.CustomAnalyzer",
        "name": "suffixIndexingAnalyzer",  
        "tokenizer": "keyword_v2",
        "tokenFilters": [
            "asciifolding",
            "lowercase",
            "reverse",
            "my_edgeNGramForSuffix"
        ],
        "charFilters": []
    },
    {
        "@odata.type": "#Microsoft.Azure.Search.CustomAnalyzer",
        "name": "reverseText",  
        "tokenizer": "classic",
        "tokenFilters": [
            "lowercase",
            "reverse"
        ],
        "charFilters": []
    }

],
"tokenFilters":[  
    {
        "@odata.type": "#Microsoft.Azure.Search.EdgeNGramTokenFilterV2",
        "name": "my_edgeNGramForSuffix",
        "minGram": 2,
        "maxGram": 25,
        "side": "front"
    }
]

}

如何在 Azure 搜索索引中获取字符匹配而不是子字符串

How to get character matches in Azure Search index instead of substrings

lucene

azure

tokenize

azure-cognitive-search