ElasticSearch - 使用连字符搜索答案

【问题标题】：ElasticSearch - Searching with hyphensElasticSearch - 使用连字符搜索
【发布时间】：2015-09-04 04:35:27
【问题描述】：

弹性搜索 1.6

我想索引包含连字符的文本，例如 U-12、U-17、WU-12、t-shirt...，并能够使用“简单查询字符串”查询来搜索它们。

数据样本（简化）：

{"title":"U-12 Soccer",
 "comment": "the t-shirts are dirty"}

由于已经有很多关于连字符的问题，我已经尝试了以下解决方案：

使用字符过滤器：ElasticSearch - Searching with hyphens in name。

所以我选择了这个映射：

{
  "settings":{
    "analysis":{
      "char_filter":{
        "myHyphenRemoval":{
          "type":"mapping",
          "mappings":[
            "-=>"
          ]
        }
      },
      "analyzer":{
        "default":{
          "type":"custom",
          "char_filter":  [ "myHyphenRemoval" ],
          "tokenizer":"standard",
          "filter":[
            "standard",
            "lowercase"
          ]
        }
      }
    }
  },
  "mappings":{
    "test":{
      "properties":{
        "title":{
          "type":"string"
        },
        "comment":{
          "type":"string"
        }
      }
    }
  }
}

使用以下查询完成搜索：

{"_source":true,
  "query":{
    "simple_query_string":{
      "query":"<Text>",
      "default_operator":"AND"
    }
  }
}

什么有效：

“U-12”、“U*”、“t*”、“ts*”
什么没用：

“U-*”、“u-1*”、“t-*”、“t-sh*”、...

所以看起来char过滤器没有在搜索字符串上执行？我能做些什么来完成这项工作？

【问题讨论】：

标签： elasticsearch mapping hyphen

【解决方案1】：

如果有人仍在寻找解决此问题的简单方法，请在索引数据时将连字符替换为下划线 _。

例如，O-000022334 应索引为 O_000022334。

搜索时，在显示结果时再次将下划线替换回连字符。这样您就可以搜索“O-000022334”，它会找到正确的匹配项。

【讨论】：

如果数据中已经有下划线“_”怎么办，而替换为hypen显示输出会出错..
如果源数据有下划线，你显然不需要用连字符替换它。
@Jesal 他的意思是，如果两者兼而有之，应该被认为是不同的。例如，如果您的数据中有两个项目“O_000022334”和“O-000022334”，如果您搜索“O-000022334”，您只想找到项目“O-000022334”。

【解决方案2】：

Igor Motov 的引用是正确的，您必须添加“analyze_wildcard”：true，以使其与正则表达式一起使用。但重要的是要注意，连字符实际上将“u-12”标记为“u”“12”，两个分开的词。

如果保留原始内容很重要，请不要使用 Mapping char 过滤器。否则有点用处。

假设您有“m0-77”、“m1-77”和“m2-77”，如果您搜索 m*-77，您将获得零命中。但是，您可以将“-”（连字符）替换为 AND，以便连接两个分隔的单词，然后搜索 m* AND 77，这将为您提供正确的匹配。

您可以在客户端执行此操作。

在你的问题中 u-*

{
  "query":{
    "simple_query_string":{
      "query":"u AND 1*",
      "analyze_wildcard":true
    }
  }
}

t-sh*

  {
      "query":{
        "simple_query_string":{
          "query":"t AND sh*",
          "analyze_wildcard":true
        }
      }
    }

【讨论】：

【解决方案3】：

答案很简单：

引自 Igor Motov：Configuring the standard tokenizer

默认情况下 simple_query_string 查询不分析单词带通配符。结果，它搜索所有以我是一个。 i-mac 一词与此请求不匹配，因为在分析它分为两个令牌 i 和 mac 并且这些都不是令牌以 i-ma 开头。为了让这个查询找到 i-mac 你需要让它分析通配符：

{
  "_source":true,
  "query":{
    "simple_query_string":{
      "query":"u-1*",
      "analyze_wildcard":true,
      "default_operator":"AND"
    }
  }
}

【讨论】：