Lucene正则表达式中的单词边界

Question

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？

Answer 1

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构造进行包装：

(.*[^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)*），然后是除单词char之外的任何字符（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）。