elasticsearch - 如何优化Elasticsearch的全文搜索以匹配 'C++'之类的字符串

Question

我们有一个文本内容搜索引擎，其中包含诸如c++或c#之类的字符串。切换到Elasticsearch已显示搜索与'c++'等词不匹配。 ++已删除。

我们如何教导elasticsearch在全文搜索中正确匹配而不删除特殊字符？当然，像逗号,这样的字符仍应删除。

Answer 1

您需要创建自己的custom-analyzer并根据您的要求生成 token ，对于您的示例，我创建了一个以下自定义分析器，其文本字段名称为language并为一些示例文档建立了索引:

使用自定义分析器创建索引

{
    "settings": {
        "analysis": {
            "analyzer": {
                "my_analyzer": {
                    "tokenizer": "whitespace",
                    "char_filter": [
                        "replace_comma"
                    ]
                }
            },
            "char_filter": {
                "replace_comma": {
                    "type": "mapping",
                    "mappings": [
                        ", => \\u0020"
                    ]
                }
            }
        }
    },
    "mappings": {
        "properties": {
            "language": {
                "type": "text",
                "analyzer": "my_analyzer"
            }
        }
    }
}

为诸如 c++， c#和 c,java之类的文本生成的 token 。

POST http:// {{hostname}}:{{port}} / {{index}} / _analyze

{
  "text" : "c#",
  "analyzer": "my_analyzer"
}

{
    "tokens": [
        {
            "token": "c#",
            "start_offset": 0,
            "end_offset": 2,
            "type": "word",
            "position": 0
        }
    ]
}

对于 c,java，它生成了2个单独的 token c和 java，因为它将 ,替换为以下所示的空格:

{
  "text" : "c, java",
  "analyzer":"my_analyzer"
}

{
    "tokens": [
        {
            "token": "c",
            "start_offset": 0,
            "end_offset": 1,
            "type": "word",
            "position": 0
        },
        {
            "token": "java",
            "start_offset": 3,
            "end_offset": 7,
            "type": "word",
            "position": 1
        }
    ]
}

注意:您需要了解 analysis process并相应地修改自定义分析器，以使其适用于所有用例。我的示例可能不适用于所有边缘用例，但是希望您对如何处理此类要求有所了解。