1、match_phrase

就像 match 查詢對於標準全文檢索是一種最常用的查詢一樣，當你想找到彼此鄰近搜尋詞的查詢方法時，就會想到 match_phrase 查詢。

GET /my_index/my_type/_search
{
    "query": {
        "match_phrase": {
            "title": "quick brown fox"
        }
    }
}

2、詞項的位置

當一個字串被分詞後，這個分析器不但會返回一個詞項列表，而且還會返回各詞項在原始字串中的 位置 或者順序關係：

GET /_analyze?analyzer=standard
Quick brown fox

返回：

{
   "tokens": [
      {
         "token": "quick",
         "start_offset": 0,
         "end_offset": 5,
         "type": "<ALPHANUM>",
         "position": 1 
      },
      {
         "token": "brown",
         "start_offset": 6,
         "end_offset": 11,
         "type": "<ALPHANUM>",
         "position": 2 
      },
      {
         "token": "fox",
         "start_offset": 12,
         "end_offset": 15,
         "type": "<ALPHANUM>",
         "position": 3 
      }
   ]
}
 

位置資訊可以被儲存在倒排索引中，因此 match_phrase 查詢這類對詞語位置敏感的查詢， 就可以利用位置資訊去匹配包含所有查詢詞項，且各詞項順序也與我們搜尋指定一致的文件，中間不夾雜其他詞項。

一個被認定為和短語 quick brown fox 匹配的文件，必須滿足以下這些要求：

• quick 、 brown 和 fox 需要全部出現在域中。
• brown 的位置應該比 quick 的位置大 1 。
• fox 的位置應該比 quick 的位置大 2 。

如果以上任何一個選項不成立，則該文件不能認定為匹配。

本質上來講，match_phrase 查詢是利用一種低級別的 span 查詢族（query family）去做詞語位置敏感的匹配。 Span 查詢是一種詞項級別的查詢，所以它們沒有分詞階段；它們只對指定的詞項進行精確搜尋。

值得慶幸的是，match_phrase 查詢已經足夠優秀，大多數人是不會直接使用 span 查詢。 然而，在一些專業領域，例如專利檢索，還是會採用這種低級別查詢去執行非常具體而又精心構造的位置搜尋。