elasticsearch - 在 Elasticsearch 中使用 asciifolding 和 UTF-8 字符进行搜索

Question

我正在为网页上的所有名称编制索引，其中包含带有“José”等重音符号的字符。我希望能够用“Jose”和“José”搜索这个名字。

我应该如何为只有一个字段“名称”的简单索引设置索引映射和分析器？

我为名称字段设置了一个分析器，如下所示:

"analyzer": {
  "folding": {
    "tokenizer": "standard",
    "filter": ["lowercase", "asciifolding"]
   }
 }

但它会将所有重音符折叠成 ASCII 等价物，并在索引“é”时忽略重音符。我希望索引中包含“é”字符，并且我希望能够使用“José”或“Jose”搜索“José”。

Answer 1

您需要保留带有重音符号的原始标记。为此，您需要重新定义自己的 asciifolding 标记过滤器，如下所示:

PUT /my_index
{
    "settings" : {
        "analysis" : {
            "analyzer" : {
                "folding" : {
                    "tokenizer" : "standard",
                    "filter" : ["lowercase", "my_ascii_folding"]
                }
            },
            "filter" : {
                "my_ascii_folding" : {
                    "type" : "asciifolding",
                    "preserve_original" : true
                }
            }
        }
    },
    "mappings": {
        "my_type": {
            "properties": {
                "name": {
                    "type": "text",
                    "analyzer": "folding"
                }
            }
        }
    }
}

之后， token jose 和 josé 都将被索引和搜索