时间戳

首页 > 解决方案 > 在弹性搜索中过滤匹配单个字符的结果

elasticsearch - 在弹性搜索中过滤匹配单个字符的结果

问题描述

在我的弹性搜索结果中，即使匹配单个字符也会给出结果。当我们看到个位数的结果时，结果看起来很奇怪。

无论如何通过DSL查询过滤掉匹配单个数字/字符的结果。

当前查询：

GET /attachment_index/_search
{
  "_source": [
    "user_email_id",
    "file_content_id",
    "file_name",
    "non_indexed_meta_data"
  ],
  "query": {
    "bool": {
      "must": [
        {
          "has_child": {
            "type": "user_email_id",
            "query": {
              "match": {
                "user_email_id": "test@user.com"
              }
            },
            "inner_hits": {}
          }
        },
        {
          "match": {
            "attachment.content": {
              "query": "mark twain 3",
              "analyzer": "english", 
              "operator": "or"
            }
          }
        }
      ]
    }
  },
  "highlight": {
    "order": "score",
    "pre_tags": [
      "<strong>"
    ],
    "post_tags": [
      "</strong>"
    ],
    "fields": {
      "attachment.content": {}
    }
  },
  "size": 100
}

它给出了我不想要的 3 个结果匹配。在馈送到弹性搜索之前对长度进行过滤而不进行预处理有什么想法吗？

标签： elasticsearchelastic-stack

解决方案

可以使用自定义分析器根据长度进行过滤。Elasticsearch 文档包含一个如何重建英文分析器的示例，以便我们可以在那里添加最小长度过滤器，例如

PUT /attachment_index
{
  "settings": {
    "analysis": {
      "filter": {
        "english_stop": {
          "type":       "stop",
          "stopwords":  "_english_"
        },
        "english_stemmer": {
          "type":       "stemmer",
          "language":   "english"
        },
        "english_possessive_stemmer": {
          "type":       "stemmer",
          "language":   "possessive_english"
        },
        "length": {
          "type": "length",
          "min": 2
        }
      },
      "analyzer": {
        "length_english": {
          "tokenizer":  "standard",
          "filter": [
            "english_possessive_stemmer",
            "lowercase",
            "english_stop",
            "english_stemmer",
            "length"
          ]
        }
      }
    }
  }
}

试试这个：

GET attachment_index/_analyze
{
  "analyzer": "length_english",
  "text": "mark twain 3"
}

返回

{
  "tokens" : [
    {
      "token" : "mark",
      "start_offset" : 0,
      "end_offset" : 4,
      "type" : "<ALPHANUM>",
      "position" : 0
    },
    {
      "token" : "twain",
      "start_offset" : 5,
      "end_offset" : 10,
      "type" : "<ALPHANUM>",
      "position" : 1
    }
  ]
}

所以3根据需要过滤掉了。length_english可以使用分析器代替english匹配查询。

推荐阅读