Elasticsearch Pattern_capture 过滤器也会发出与模式不匹配的标记

Question

我有一个案例，我必须从文本中找到的电子邮件中提取域部分。我使用 uax_url_email 分词器将电子邮件创建为单个。我有一个 pattern_capture 过滤器，它将发出“@(.+)”模式字符串。但是 uax_url_email 也返回不是电子邮件的单词，模式捕获过滤器不会过滤它。有什么建议吗？

"custom_analyzer":{
 "tokenizer": "uax_url_email",
  "filter": [
       "email_domain_filter"
   ]
}
"filter": {
  "email_domain_filter":{
           "type": "pattern_capture",
           "preserve_original": false,
            "patterns": [
                      "@(.+)"
              ]
   }
}

输入字符串:“我的电子邮件 ID 是 xyz@gmail.com”

输出标记:my, email, id, is, gmail.com

但我只需要gmail.com

Answer 1

“如果没有任何模式匹配，或者如果 preserveOriginal 为真，则原始标记将被保留。”

https://lucene.apache.org/core/4_4_0/analyzers-common/org/apache/lucene/analysis/pattern/PatternCaptureGroupTokenFilter.html

尝试添加与其他标记匹配但不包含捕获组(例如“.*”)的模式