ElasticSearch nGram 过滤掉标点符号

Question

在我的 ElasticSearch 数据集中，我们有以句点分隔的唯一 ID。样本编号可能类似于 c.123.5432

使用 nGram 我希望能够搜索:c.123.54

这不会返回任何结果。我相信标记器正在 split 。为了解决这个问题，我在 token_chars 中添加了“标点符号”，但结果没有变化。我的分析器/标记器在下面。

我也尝试过:“token_chars”:[] <--根据文档，这应该保留所有字符。

"settings" : {
    "index" : {
        "analysis" : {
            "analyzer" : {
                "my_ngram_analyzer" : {
                    "tokenizer" : "my_ngram_tokenizer"
                }
            },
            "tokenizer" : {
                "my_ngram_tokenizer" : {
                    "type" : "nGram",
                    "min_gram" : "1",
                    "max_gram" : "10",
                    "token_chars": [ "letter", "digit", "whitespace", "punctuation", "symbol" ]
                }
            }
        }
    }
},

编辑(更多信息):
这是相关字段的映射:

"ProjectID":{"type":"string","store":"yes", "copy_to" : "meta_data"},

这是我将其复制到的字段(也有 ngram 分析器):

"meta_data" : { "type" : "string", "store":"yes", "index_analyzer": "my_ngram_analyzer"}

这是我用来查看我的搜索是否有效的命令(看到它正在搜索“meta_data”字段):

GET /_search?pretty=true
{ 
    "query": {
        "match": {
            "meta_data": "c.123.54"
        }
    }
}

Answer 1

来自 https://github.com/elasticsearch/elasticsearch/issues/5120 的 s1monw 的解决方案

通过使用 index_analyzer 搜索仅使用标准分析器。为了修复它，我将 index_analyzer 修改为分析器。请记住，结果的数量会大大增加，因此可能需要将 min_gram 更改为更高的数量。