简短答案
我认为您正在寻找的是模糊查询，该查询使用Levenshtein距离算法来匹配相似的单词。
关于nGrams的长答案
nGram过滤器根据定义的最小/最大范围将文本分成许多较小的标记。
例如，根据您的“音乐”查询，过滤器将生成：
'mu', 'us', 'si', 'ic', 'mus', 'usi', 'sic', 'musi','usic', and 'music'
如您所见
musiic，与这些nGram令牌都不匹配。
为什么选择nGrams
nGrams的一个好处是，它可以 大大
加快通配符查询的速度，因为所有潜在的子字符串都是在插入时预先生成和索引的（我已经看到使用nGrams可以将查询速度从几秒提高到15毫秒）。
如果没有nGrams，则必须在查询时在每个字符串中搜索匹配项[O（n ^ 2）]，而不是直接在索引[O（1）]中查找。作为伪代码：
hits = []foreach string in index: if string.substring(query): hits.add(string)return hits
与
return index[query]
请注意，这样做的代价是使插入速度变慢，需要更多的存储空间并增加了内存使用量。
