elasticsearch - elasticsearch将 “H&R Blocks”标记为 “H”， “R”， “H&R”， “Blocks”

Question

我想在 token 中保留特殊字符，同时仍对特殊字符进行 token 化。说我有话

"H&R Blocks"

我想将其标记为

"H", "R", "H&R", "Blocks"

我读了 http://www.fullscale.co/blog/2013/03/04/preserving_specific_characters_during_tokenizing_in_elasticsearch.html这个帖子。它解释了如何保留特殊字符。

Answer 1

尝试使用word_delimiter token 过滤器。

Reading the docs on its use，您可以将参数preserve_original: true设置为精确地执行您想要的操作(即“H＆R” => H&R H R)。

我会这样设置:

"settings" : {
    "analysis" : {
        "filter" : {
            "special_character_spliter" : {
                "type" : "word_delimiter",
                "preserve_original": "true"
            }   
        },
        "analyzer" : {
            "your_analyzer" : {
                "type" : "custom",
                "tokenizer" : "whitespace",
                "filter" : ["lowercase", "special_character_spliter"]
            }
        }
    }
}

祝好运!