使用Elastic Search检索标签内容和带连字符的单词

一尘不染

使用Elastic Search检索标签内容和带连字符的单词

elasticsearch

我们在应用程序中使用弹性分析器配置了elasticsearch。这些单词在空白处被标记，因此名称如 _<fantastic> project_被索引为

["<fantastic>", "project"]

并且 ABC-123-def项目 的索引为

["ABC-123-def", "project"]

然后，当我们搜索ABC- *时，预期的项目就会出现。但是，如果我们专门搜索<fantastic>它根本不会出现。好像Lucene / Elastic
Search会忽略任何包含尖括号的搜索词。但是，即使单词未与尖括号分开索引，我们 也可以
搜索fantastic，或<*fantastic*或*fantastic*，它将很好。

标准分析器标记任何非字母数字字符。 _<fantatsic>_项目被索引为

["fantastic", "project"]

并且 ABC-123-def 项目的索引为

["ABC", "123", "def", "project"]

这会破坏使用进行成功搜索的能力ABC-123-*。但是，我们使用标准分析仪得到的是有人可以专门搜索<fantastic>并返回所需的结果。

如果不是一个标准的分析器我们一个char_filter添加到空白分析仪，过滤出在标签上的角撑架，（替换<(.*)>用$1），它会被因而索引：
_<fantatsic> project_被索引为

["fantastic", "project"]

（无尖括号）。和 ABC-123的高清项目 的索引为

["ABC-123-def", "project"]

它看起来很有希望，但是最终得到的结果与普通空白分析器的结果相同：当专门搜索时<fantastic>，虽然什么也没得到，但是*fantastic*效果很好。

堆栈溢出的任何人都可以解释这种怪异吗？

阅读 382

2020-06-22

共1个答案

一尘不染

您可以为特殊字符创建令牌生成器，请参见以下示例

{
    "settings" : {
        "index" : {
            "number_of_shards" : 1,
            "number_of_replicas" : 1
        },  
        "analysis" : {
            "filter" : {
                "custom_filter" : {
                    "type" : "word_delimiter",
                    "type_table": ["> => ALPHA", "< => ALPHA"]
                }   
            },
            "analyzer" : {
                "custom_analyzer" : {
                    "type" : "custom",
                    "tokenizer" : "whitespace",
                    "filter" : ["lowercase", "custom_filter"]
                }
            }
        }
    },
    "mappings" : {
        "my_type" : {
            "properties" : {
                "msg" : {
                    "type" : "string",
                    "analyzer" : "custom_analyzer"
                }
            }
        }
    }
}

< >作为ALPHA字符，导致基础的word_delimiter将它们视为字母字符。

2020-06-22