ElasticSearch 错误地索引和查询非字母数字字符

Question

我的 ElasticSearch 索引未正确索引和查询非字母数字字符。具体来说，点和破折号会导致问题。

如果我索引一个名为“O.K. Corral”的文档，它应该匹配“OK Corral”的查询。同样，如果我索引“Whiskey A Go-Go”，我希望它匹配“Whiskey A GoGo”和“Whiskey A Go Go”。

目前，只有带有正确点和破折号的查询才会返回这些文档。

我希望该解决方案还能解决其他非字母数字字符（如逗号和撇号）的任何潜在问题。

这听起来像是 ElasticSearch 令牌过滤器的工作，但我一直无法找到符合我要求的工作。另外，我想在 ElasticSearch 中执行此操作——我不想在数据到达我的 ES 索引之前编写自定义字符串操作来规范化数据。

感谢您的帮助！

Answer 1

您可能想看看Word Delimiter Token Filter。它至少可以用“Whiskey A GoGo”和“Whiskey A Go-Go”做你想做的事。您可以使用analyze api 提前检查其行为。