elasticsearch - Elasticsearch奇怪的过滤器行为

Question

我正在尝试替换字段中的特定字符串。因此，正如the docs中所述，我使用了自定义分析器和字符过滤器，但是没有用。
这是我的索引设置:

{
    "settings": {
        "analysis": {
            "char_filter": {
                "doule_colon_to_space": {
                    "type":       "mapping",
                    "mappings": [ "::=> "]
            }},
            "analyzer": {
                "my_analyzer": {
                    "type":         "custom",
                    "char_filter":  [ "doule_colon_to_space" ],
                    "tokenizer":    "standard"
            }}
}}}

应该用空格替换字段中的所有双冒号(::)。然后，我更新映射以使用分析器:

{
    "posts": {
        "properties": {
          "id": {
            "type": "long"
          },
          "title": {
            "type": "string", 
            "analyzer": "my_analyzer",
            "fields": {
                "simple": {
                    "type": "string", 
                    "index": "not_analyzed"
                }
            }
          }
        }
      }
}

然后我将文档放入索引:

{
    "id": 1, 
    "title": "Person::Bruce Wayne"
}

然后，我测试分析器是否正常工作，但似乎不起作用-当我发送此 https://localhost:/first_test/_analyze?analyzer=my_analyzer&text=Person::Someone+Close时，我又收到了两个 token -“PersonSomeone”(一起)和“Close”。我这样做对吗？也许我应该以某种方式逃离太空？我使用Elasticsearch 1.3.4

Answer 1

我认为char_filter模式中的空格被忽略了。尝试对单个空格使用Unicode转义序列:

"mappings": [ "::=>\\u0020"]

更新:

根据您的评论，简短的回答是肯定的，这个例子是错误的。该文档确实建议您可以使用映射字符过滤器将 token 替换为另一个由空格填充的 token ，但 the code表示不同意。

MappingCharFilterFactory的源代码使用此正则表达式来解析设置:

// source => target
private static Pattern rulePattern = Pattern.compile("(.*)\\s*=>\\s*(.*)\\s*$");

此正则表达式匹配(并有效地丢弃)第二个替换 token ( \\s*)周围的任何空格( (.*))，因此似乎您不能将前导或尾随空格用作替换映射的一部分(尽管它可能包括非页内空白)。即使正则表达式不同，匹配的 token 也会被 trim() ed删除，这将删除所有前导和尾随空格。