你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站,请访问 https://docs.azure.cn

Azure AI 搜索中的简单查询语法

对于全文搜索方案,Azure AI 搜索实现了两种基于 Lucene 的查询语言,每个对应一个查询分析器。 简单查询分析器是默认的。 它涵盖常见用例,并会尝试解释请求,即使请求未完全组合。 另一个分析器是 Lucene 查询分析器,它支持更高级的查询构造。

本文是简单查询分析器的查询语法参考。

这两个分析器的查询语法都适用于在查询请求search 参数中传递的查询表达式(不要与 OData 语法混淆),具有自己的语法和规则来处理同一请求中的 filterorderby 表达式。

尽管简单分析器基于 Apache Lucene 简单查询分析器类,但其在 Azure AI 搜索中的实现排除了模糊搜索。 如果需要模糊搜索,请考虑改用另一种可供选择的语法:完整 Lucene 查询语法

示例(简单语法)

此示例显示了一个简单的查询,该查询通过 "queryType": "simple" 和有效语法进行区分。 虽然下面设置了查询类型,但它是默认值,除非你是从替代类型中进行还原,否则可以省略它。 下面的示例是针对独立字词的搜索,要求所有匹配文档都包含“pool”。

POST https://{{service-name}}.search.windows.net/indexes/hotel-rooms-sample/docs/search?api-version=2024-07-01
{
  "queryType": "simple",
  "search": "budget hotel +pool",
  "searchMode": "all"
}

searchMode 参数是在此示例中是相关的。 通常情况下,只要布尔运算符出现在查询中,就应设置 searchMode=all 以确保匹配所有条件。 否则,可以使用默认的 searchMode=any,以便更有利于提高召回率(与提高精准率相比)。

有关更多示例,请参阅简单查询语法示例。 有关查询请求和参数的详细信息,请参阅搜索文档 (REST API)

针对字词和短语的关键字搜索

传递给 search 参数的字符串可以包括任何受支持语言中的字词或短语、布尔运算符、优先级运算符、“开头为”查询的通配符或前缀字符、转义符和 URL 编码字符。 search 参数是可选的。 在未指定该参数的情况下,搜索(search=*search=" ")会以任意(未排名)顺序返回前 50 个文档。

  • 字词搜索是针对一个或多个字词的查询,其中的任何字词都被视为一个匹配项。

  • 短语搜索是指搜索用引号 引起来的精确短语。 例如,Roach Motel(没有引号)会以任何顺序在任何位置搜索包含 Roach 和/或 Motel 的文档,而 "Roach Motel"(带引号)则只会匹配包含整个短语并按该顺序排列的文档(词法分析仍然适用)。

可能需要在短语搜索中对引号进行转义,具体取决于你的搜索客户端。 例如,在某个 POST 请求中,请求正文中针对 "Roach Motel" 的短语搜索可能指定为 "\"Roach Motel\""。 如果你使用的是 Azure SDK,则搜索客户端在序列化搜索文本时会将引号转义。 搜索短语可以发送为 "Roach Motel"。

默认情况下,在 search 参数中传递的所有字符串都会进行词法分析。 请务必了解所用分析器的词汇切分行为。 通常情况下,当查询结果不是预期的结果时,可以将原因追踪到在查询时对字词进行切分的方式。 可以测试特定字符串的词汇切分,以确认输出。

包含一个或多个词条的任何文本输出都被视为查询执行的有效起点。 Azure AI 搜索将匹配包含任何或所有词条的文档,其中包括在分析文本期间发现的任何变体。

尽管听起来很简单,但 Azure AI 搜索中的查询执行的一个方面可能会产生意外结果,导致搜索结果增加而不是减少,因为更多的词条和运算符被添加到输入字符串中。 这种扩展是否会实际发生取决于是否包含 NOT 运算符(与 searchMode 参数设置组合使用,该参数设置决定了如何根据 ANDOR 行为解释 NOT)。 有关详细信息,请查看布尔运算符下的 NOT 运算符。

布尔运算符

可以在查询字符串中嵌入布尔运算符以提高匹配的精准率。 在简单语法中,布尔运算符是基于字符的。 文本运算符(如 AND 一词)不受支持。

字符 示例 使用情况
+ pool + ocean AND 运算。 例如,pool + ocean 规定文档必须同时包含这两个词。
| pool | ocean 找到其中一个词意味着 OR 运算找到了匹配项。 在此示例中,查询引擎会返回包含 poolocean 或两者的文档匹配项。 由于 OR 是默认连接运算符,因此也可以省略,这样 pool ocean 就等同于 pool | ocean
- pool – ocean NOT 运算会返回不包含该词的文档匹配项。

查询请求中的 searchMode 参数控制具有 NOT 运算符的字词是通过 AND 运算符还是通过 OR 运算符与查询中的其他字词组合到一起(假定其他字词没有布尔运算符)。 有效值包括 anyall

searchMode=any 通过包含更多结果来提高查询的查全率,且默认情况下 - 会被解释为“OR NOT”。 例如,pool - ocean 将匹配包含 pool 词条或不包含 ocean 词条的文档。

searchMode=all 通过包含更少结果来提高查询的精准率,且默认情况下“-”会被解释为“AND NOT”。 例如,对于 searchMode=any,查询 pool - ocean 将匹配包含术语“pool”的文档和不包含术语“ocean”的所有文档。 这对于 - 运算符来说可能是更直观的行为。 因此,如果想要优化搜索的查准率(而非查全率),且 用户在搜索中频繁使用 - 运算符,则应考虑使用 searchMode=all 而不是 searchMode=any

在决定 searchMode 设置时,请考虑不同应用程序中的查询的用户交互模式。 搜索信息的用户更有可能在查询中包含运算符,相对而言,电子商务网站具有更多的内置导航结构。

前缀查询

对于“开头为”查询,请添加后缀运算符 (*) 作为字词剩余部分的占位符。 若要添加后缀运算符,前缀查询必须以至少一个字母数字字符开头。

字符 示例 使用情况
* lingui* 会匹配“linguistic”或“linguini” 星号 (*) 表示一个或多个任意长度的字符,忽略大小写。

与筛选器类似,前缀查询查找完全匹配项。 因此,不存在相关性评分(所有结果的搜索分数均为 1.0)。 请注意,前缀查询可能会很慢,尤其是在索引较大且前缀包含的字符数较少的情况下。 另一种方法(如“边缘 n 元语法标记化”)执行速度可能较快。 使用前缀搜索的字词长度不能超过 1000 个字符。

简单语法只支持前缀匹配。 对于与一个词的末尾或中间匹配的后缀或中缀匹配,请使用适用于通配符搜索的完整 Lucene 语法

转义搜索运算符

在简单语法中,搜索运算符包含以下字符:+ | " ( ) ' \

如果其中的任何字符是索引中的令牌的一部分,请在查询中为其添加一个反斜杠 (\) 作为前缀对其进行转义。 例如,假设你使用自定义分析器完成了对整个术语的词汇切分,并且索引包含字符串“Luxury+Hotel”。 若要获得此令牌的完全匹配项,请插入转义字符:search=luxury\+hotel

为了让更典型的情况变得简单,此规则有两个不需要进行转义的例外:

  • 仅当 NOT 运算符 - 是空格之后的第一个字符时才需要对其进行转义。 如果 - 位于中间(例如在 3352CDD0-EF30-4A2E-A512-3B30AF40F3FD 中),则不需要对其进行转义。

  • 仅当后缀运算符 * 是空格之前的最后一个字符时才需要对其进行转义。 如果 * 位于中间(例如在 4*4=16 中),则不需要对其进行转义。

注意

默认情况下,标准分析器会在词法分析时删除连字符、空格、& 符和其他字符,并在这些字符处拆分单词。 如果需要在查询字符串中保留特殊字符,则可能需要使用一个分析器将它们保留在索引中。 可供选择的一些项包括 Microsoft 自然语言分析器(它会保留带连字符的单词)和自定义分析器(用于更复杂的模式)。 有关详细信息,请参阅部分词语、模式和特殊字符

对 URL 中的不安全及保留字符进行编码

请确保对 URL 中的所有不安全字符和保留字符进行编码。 例如,“#”是不安全字符,因为它是 URL 中的片段/定位标识符。 如果用于 URL,则该字符必须编码为 %23。 由于“&”和“=”在 Azure AI 搜索中分隔参数并指定值,因而是保留字符的示例。 有关详细信息,请参阅 RFC1738:统一资源定位器 (URL)

不安全字符为 " ` < > # % { } | \ ^ ~ [ ]。 保留字符为 ; / ? : @ = + &

特殊字符

特殊字符的范围可以从货币符号(如“$”或“€”)到表情符号。 许多分析器(包括默认标准分析器)在索引编制过程中会排除特殊字符,这意味着这些字符不会呈现在索引中。

如果需要呈现特殊字符,你可以分配一个保留这些字符的分析器:

  • 空格分析器将空格分隔的任何字符序列视为标记(因此“❤”表情符号将被视为标记)。

  • 诸如 Microsoft 英语分析器(en.microsoft)之类的语言分析器会将“$”或“€”字符串视为标记。

要进行确认,你可以测试分析器来查看为给定字符串生成的标记。 正如你所料,你可能无法通过单个分析器完成完全的标记化。 一个变通方法是创建包含相同内容的多个字段,但具有不同的分析器分配(例如 description_endescription_fr 等用于语言分析器)。

使用 Unicode 字符时,请确保在查询 URL 中正确转义了符号(例如,对于“❤”,将使用转义序列 %E2%9D%A4+)。 某些 Web 客户端会自动执行此转换。

优先级(分组)

可以使用圆括号创建子查询,其包括附加说明语句中的运算符。 例如,motel+(wifi|luxury) 将搜索包含“motel”术语以及“wifi”或“luxury”(或两者)的文档。

查询大小限制

如果应用程序以编程方式生成搜索查询,则建议将其设计为不会生成无限大小的查询。

  • 对于 GET,URL 的长度不能超出 8 KB。

  • 对于请求正文包含 search 和其他参数(例如 filterorderby)的 POST(以及任何其他请求),最大大小为 16 MB。 其他限制包括:

    • 搜索子句的最大长度为 100,000 个字符。
    • search(用 AND 或 OR 分隔的表达式)中的最大子句数为 1024。
    • 对于前缀搜索,搜索词的最大大小为 1000 个字符。
    • 此外,查询中任何单个术语的大小限制为大约 32 KB。

有关查询限制的详细信息,请参阅 API 请求限制

后续步骤

若要以编程方式构造查询,请查看 Azure AI 搜索中的全文搜索,了解查询处理的各个阶段以及文本分析的影响。

还可以查看以下文章,详细了解查询构造: