es中需要先安装中文分词插件ik

#如果之前有这个索引，需要先删除索引
DELETE /lepeng

#创建一个索引
PUT /lepeng
 

#指定索引的格式
#ik_max_word 将文本做最细粒度的拆分
#ik_smart 会做最粗粒度的拆分
#属性keyword不使用ik分词
PUT /lepeng/_mapping/
{
    "properties":{
        "title":{
            "type":"text",
            "fields":{
                "keyword":{
                    "type":"keyword",
                    "ignore_above":256
                }
            },
			"analyzer": "ik_max_word"
        }
    }
}


#es中插入和更新数据都可用post，为了方便要指定索引的id
POST /lepeng/_doc/1
{
  "title": "我和猪一样他们好AA的"
}

POST /lepeng/_doc/2
{
  "title": "榭+舟亢凡丶乐他们一样"
}


#查询某个数据，实现的是mysql like查询的效果
GET lepeng/_search
{
    "query": {
        "wildcard": {
            "title.keyword": {
                "value": "*一样*"
            }
        }
    }
}

#获取全部数据
GET lepeng/_search
{
  "query": {
    "match_all": {
      
    }
  },
  "from":0,
  "size":1000
}

es从7.9版本开始，新增了一种类型wildcard用于模糊搜索，更加方便了，测试如下：

#如果之前有这个索引，需要先删除索引
DELETE /lepeng

#创建一个索引
PUT /lepeng
 

#指定索引的格式
PUT /lepeng/_mapping/
{
    "properties":{
        "title":{
            "type":"wildcard"
        }
    }
}


#es中插入和更新数据都可用post，为了方便要指定索引的id
POST /lepeng/_doc/1
{
  "title": "我和猪一样他们好AA的"
}

POST /lepeng/_doc/2
{
  "title": "榭+舟亢凡丶乐他们一样"
}


#查询某个数据，实现的是mysql like查询的效果
GET lepeng/_search
{ 
  "query": {
    "match": {
      "title": "*+舟亢凡丶乐他们一*"
    }
  }
}