似乎如果我通过ngram过滤器运行单词或短语,原始单词不会被索引。相反,我只得到max_gram值以内的单词块。我希望原始单词也能被索引。我使用的是Elasticsearch 0.20.5。如果我使用带有ngram的过滤器设置索引,如下所示:
CURL -XPUT 'http://localhost:9200/test/' -d '{
"settings": {
"analysis": {
"filter": {
"my_ngram": {
"max_gram": 10,
"min_gram": 1,
"type": "nGram"
},
"my_stemmer": {
"type": "stemmer",
"name": "english"
}
},
"analyzer": {
"default_index": {
"filter": [
"standard",
"lowercase",
"asciifolding",
"my_ngram",
"my_stemmer"
],
"type": "custom",
"tokenizer": "standard"
},
"default_search": {
"filter": [
"standard",
"lowercase"
],
"type": "custom",
"tokenizer": "standard"
}
}
}
}
}'
然后我把一个长单词放到文档中:
CURL -XPUT 'http://localhost:9200/test/item/1' -d '{
"foo" : "REALLY_REALLY_LONG_WORD"
}'
我查询那个长词:
CURL -XGET 'http://localhost:9200/test/item/_search' -d '{
"query":
{
"match" : {
"foo" : "REALLY_REALLY_LONG_WORD"
}
}
}'
得到0个结果。如果我查询那个单词的10个字符块,我确实会得到一个结果。当我运行这个:
curl -XGET 'localhost:9200/test/_analyze?text=REALLY_REALLY_LONG_WORD
我得到了吨克,但不是原来的单词。我错过了一个配置,使这个工作的方式,我想要的?
如果您想保留完整的单词或短语,请对保留一个"未分析"的值使用多字段映射,或者使用关键字标记器代替。
另外,当用ngram标记化的值搜索字段时,您可能还应该使用ngram标记器进行搜索,然后n个字符的限制也将适用于搜索短语,并且您将得到预期的结果。