tokenize - Elasticsearch - 如何在使用小写过滤器时保留大写首字母缩略词？

Question

在 Elasticsearch 2.x 中，我如何区分首字母缩略词“CAN”和常见的英语单词“can”，同时仍然在我的分析器中使用“小写”过滤器(用于搜索不区分大小写)？

我使用的自定义分析器是:

"analyzer": {
    "tight": {
        "type": "custom",
        "tokenizer": "standard",
        "stopwords": "_english_",
        "filter": ["lowercase", "asciifolding"]
    }
}

在索引时，当大写字母“CAN”命中我的分析器时，它变成了英文单词“can”。然后，当我搜索“CAN”时，我得到了所有包含英文单词“can”的文档。我只想要包含大写单词“CAN”的文档。可能还有其他属于类似模式的首字母缩略词。

解决这个问题的最佳方法是什么？

Answer 1

实现它的一种方法是创建另一个不带 lowercase 标记过滤器的分析器，并在主字段的子字段上使用该分析器。它是这样的:

使用两个分析器 tight 和 tight_acronym 创建索引。前者赋给字段，后者赋给field.acronyms子字段:

PUT index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "tight": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "asciifolding"
          ]
        },
        "tight_acronym": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "asciifolding"
          ]
        }
      }
    }
  },
  "mappings": {
    "test": {
      "properties": {
        "field": {
          "type": "string",
          "analyzer": "tight",
          "fields": {
            "acronyms": {
              "type": "string",
              "analyzer": "tight_acronym"
            }
          }
        }
      }
    }
  }
}

然后我们索引两个文档:

PUT index/test/1
{ "field": "It is worth CAN 300" }
PUT index/test/2
{ "field": "can you do it?" }

然后，如果您搜索 CAN(在子字段上)，您将获得第一个文档

POST index/test/_search
{
  "query": {
    "match": {
      "field.acronyms": "CAN"
    }
  }
}

如果您搜索 can(在主字段上)，您将获得第二个文档

POST index/test/_search
{
  "query": {
    "match": {
      "field": "can"
    }
  }
}