请注意：
当前我们正在为这本书更新至最新的版本，有些内容可能已经过时。
当前我们正在为这本书更新至最新的版本，有些内容可能已经过时。
fuzzy 查询是
term 查询的模糊等价。
也许你很少直接使用它，但是理解它是如何工作的，可以帮助你在更高级别的 match 查询中使用模糊性。
为了解它是如何运作的，我们首先索引一些文档：
POST /my_index/my_type/_bulk
{ "index": { "_id": 1 }}
{ "text": "Surprise me!"}
{ "index": { "_id": 2 }}
{ "text": "That was surprising."}
{ "index": { "_id": 3 }}
{ "text": "I wasn't surprised."}现在我们可以为词 surprize 运行一个 fuzzy 查询：
GET /my_index/my_type/_search
{
"query": {
"fuzzy": {
"text": "surprize"
}
}
}fuzzy 查询是一个词项级别的查询，所以它不做任何分析。它通过某个词项以及指定的 fuzziness 查找到词典中所有的词项。
fuzziness 默认设置为 AUTO 。
在我们的例子中， surprise 比较 surprise 和 surprised 都在编辑距离 2 以内，
所以文档 1 和 3 匹配。通过以下查询，我们可以减少匹配度到仅匹配 surprise ：
GET /my_index/my_type/_search
{
"query": {
"fuzzy": {
"text": {
"value": "surprize",
"fuzziness": 1
}
}
}
}