Elasticsearch 自定义分词器

Question

在我的业务中，我们经常使用“rtu-2004-t89”格式的代码进行操作。该代码始终以“rtu”开头，然后有各种字母和数字的组合。这些代码经常出现在我们索引到elasticsearch 的内容中。

不幸的是，在索引过程中，分词器使用破折号字符作为分隔符将这些代码分解为单独的单词。

因此，当用户想要搜索此代码时，他们不会得到正确的结果。

如何编写自己的标记生成器，以便它不会将这些代码分解为单独的标记？

Answer 1

您只需使用默认弹性搜索中使用空格标记生成器的关键字。不要忘记添加小写规范化器，以便用户更轻松地使用小写进行搜索。

举个例子：

这里是映射

"sku": {
        "type": "text",
        "fields": {
          "keyword": {
            "type": "keyword",
            "normalizer": "lowercase_normalizer"
          }
        }
      }

您必须在索引设置中添加标准化器，如下所示：

"normalizer": {
        "lowercase_normalizer": {
          "filter": [
            "lowercase"
          ],
          "type": "custom"
        }
      }

完成设置和映射后。查询应该是这样的，对于我使用 match 的示例。你可以改变任何你想要的:

 "match": {
              "sku.keyword": {
                "query": "rtu-2024..."
              }
            }