为弹性搜索指定和使用带有 C# NEST 客户端的 NGramTokenizer

Question

更新为显示工作示例

我正在尝试对 ElasticSearch 中的用户名集合进行部分搜索。

四处搜索已将我指向nGram Tokenizer 方向，但我对正确实施感到困惑，未能得到任何结果。

这是从我正在处理的项目中剥离的相关代码。

我尝试了不同的组合和搜索类型，但无济于事。

setup.cs

var client = new ElasticClient(settings.ConnectionSettings);

// (Try and) Setup the nGram tokenizer.
var indexSettings = new IndexSettings();
var custonAnalyzer = new CustomAnalyzer();

customAnalyzer.Tokenizer = "mynGram";
customAnalyzer.Filter = new List<string> { "lowercase" };

indexSettings.Analysis.Analyzers.Add("mynGram", customAnalyzer);

indexSettings.Analysis.Tokenizers.Add("mynGram", new NGramTokenizer
                                                    {
                                                        MaxGram = 10,
                                                        MinGram = 2
                                                    });

client.CreateIndex(settings.ConnectionSettings.DefaultIndex, indexSettings);

client.MapFromAttributes<Profile>();

// Create and add a new profile object.
var profile = new Profile
                  {
                      Id = "1",
                      Username = "Russell"
                  };


client.IndexAsync(profile);

// Do search for object
var s = new SearchDescriptor<Profile>().Query(t => t.Term(c => c.Username, "russ"));

var results = client.Search<Profile>(s);

Profile.cs

public class Profile
{
    public string Id { get; set; }

    [ElasticProperty(IndexAnalyzer = "mynGram")]
    public string Username { get; set; }
}

任何提示将不胜感激。

Answer 1

看看这个来自the es docs on nGram token filters：

    "settings" : {
        "analysis" : {
            "analyzer" : {
                "my_ngram_analyzer" : {
                    "tokenizer" : "my_ngram_tokenizer"
                }
            },
            "tokenizer" : {
                "my_ngram_tokenizer" : {
                    "type" : "nGram",
                    "min_gram" : "2",
                    "max_gram" : "3",
                    "token_chars": [ "letter", "digit" ]
                }
            }
        }
    }

注意事项

1. 您需要将mynGram 添加到您的分析仪，否则将无法使用。他们的工作方式是这样的。每个索引字段都应用了一个分析器，一个分析器是一个标记器，后跟零个或多个标记过滤器。您已经定义了一个不错的 nGram 标记器 (mynGram) 来使用，但您没有在 customAnalyzer 中使用它，它正在使用 standard 标记器。 （基本上你只是在定义但从不使用mynGram。）

2. 你需要告诉 elasticsearch 在你的映射中使用你的customAnalyzer： "properties": {"string_field": {"type": "string", "index_analyzer": customAnalyzer" }}

3. 您应该将 maxGram 更改为更大的数字（可能是 10），否则 4 个字母的搜索将不会完全像自动完成一样（或者不会返回任何内容，取决于搜索时间分析器）。

4. 使用_analyze api 端点来测试您的分析器。这应该行得通。

   curl -XGET 'http://yourserver.com:9200?index_name/_analyze?analyzer=customAnalyzer' -d 'rlewis'

祝你好运！