Question

我在弹性搜索中有数据存储为

field1:DAVID'S RD
field1:DAVID's PARK
field1:DAVID'S JUNCTION
field1:DAVID'S REST
   .......
..............

案例 1：如果输入是DAVID’S（撇号字符不同的地方）。它没有以正确的顺序返回结果，结果中缺少某些记录。

案例2：如果输入是 DAVID'S，则给出正确的结果。

案例3：如果输入是 DAVIDS。它再次给出与 case1 相同的响应。

那么，如何在弹性搜索中处理所有三种情况。

Answer 1

我在这里的建议是对您的 field1 使用 english analyzer，这将标准化根“david”的所有变体。

标准分析器会按原样考虑这 3 种变化。

GET /_analyze
{
  "text": ["DAVID'S", "DAVID’S", "DAVIDS"],
  "analyzer": "standard"
}

{
  "tokens" : [
    {
      "token" : "david's",
      "start_offset" : 0,
      "end_offset" : 7,
      "type" : "<ALPHANUM>",
      "position" : 0
    },
    {
      "token" : "david’s",
      "start_offset" : 8,
      "end_offset" : 15,
      "type" : "<ALPHANUM>",
      "position" : 1
    },
    {
      "token" : "davids",
      "start_offset" : 16,
      "end_offset" : 22,
      "type" : "<ALPHANUM>",
      "position" : 2
    }
  ]
}

但是英语分析器会理解这三个的根源。

GET /_analyze
{
  "text": ["DAVID'S", "DAVID’S", "DAVIDS"],
  "analyzer": "english"
}

{
  "tokens" : [
    {
      "token" : "david",
      "start_offset" : 0,
      "end_offset" : 7,
      "type" : "<ALPHANUM>",
      "position" : 0
    },
    {
      "token" : "david",
      "start_offset" : 8,
      "end_offset" : 15,
      "type" : "<ALPHANUM>",
      "position" : 1
    },
    {
      "token" : "david",
      "start_offset" : 16,
      "end_offset" : 22,
      "type" : "<ALPHANUM>",
      "position" : 2
    }
  ]
}

要设置此分析器，您可以使用此设置创建索引。

PUT test_rahul
{
  "mappings": {
    "properties": {
      "field1": {
        "type": "text",
        "analyzer": "english"
      }
    }
  }
}

测试文档

POST test_rahul/_doc
{
  "field1": "DAVID'S RD"
}

查询

POST test_rahul/_search
{
  "query": {
    "match": {
      "field1": "davids"
    }
  }
}

{
  "took" : 2,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 0.2876821,
    "hits" : [
      {
        "_index" : "test_rahul",
        "_type" : "_doc",
        "_id" : "TNCY_ncB46EpgstaBC3E",
        "_score" : 0.2876821,
        "_source" : {
          "field1" : "DAVID'S RD"
        }
      }
    ]
  }
}

如果您只想过滤掉撇号，那么您可以使用 Apostrophe Filter，但英语分析器通常效果很好。

弹性搜索如何处理撇号和不带撇号

1 个答案: