我们目前正在构建一个多语言产品目录，其中我们索引了大约 30 种语言(西欧和东欧语言，没有亚洲语言(的产品名称和产品编号。
561720 - TSC 55 李 5,2 REB-加-FS 阿库-陶赫萨格
这方面的挑战是：
- 30种不同的语言
- 需要规范化的重音字符 如 ä->ae 和 ä->a
-
复合词，如"Akku-tauchsäge"。应可搜索为"Akku-Tauchsäge"或"Akkutauchsäge"或"Akku Tauch Säge"等。
-
像"561720"这样的产品编号应该是可搜索的
- 搜索像"TSC 55 Li 5,2 REB-Plus-FS"这样的产品编号应该得到很好的支持......此类字符串可能包含"/"或"，"或"-"作为分隔符。应支持不带分隔符的搜索
- 搜索方案是典型的"按键入查找"功能，允许用户输入几乎任何内容，并期望获得合理的结果。
目前，在专用索引中按语言索引所有产品目录，并使用专用语言设置进行专用映射，例如
{
"properties": {
"label": {
"index": "analyzed",
"type": "string",
"store": "yes",
"analyzer": "##LANGUAGE##"
},
"caption": {
"index": "analyzed",
"type": "string",
"store": "yes",
"analyzer": "##LANGUAGE##"
},
"text_normalized": {
"index": "analyzed",
"type": "string",
"analyzer": "##LANGUAGE##"
}
}
}
##LANGUAGE##在导入过程中被替换为相关ES分析仪的名称。
除了原始文本之外，我们还注入了带有重音归一化的文本规范化版本(例如，德国分析仪确实正确处理了 ä->ae 替换(。
在查询端，我们通常执行以下步骤：
- 拆分查询字符串
- 对每个查询词执行子字符串搜索(全部使用 end 组合(
该方法效果相当好，但是在"TSC 55 Li 5,2 REB-Plus-FS"等术语中处理边缘情况(如不同分隔符(感觉不对。特别是我们目前只为德语实现了这个......大多数其他语言可能非常相似，但我不确定是否有更好的解决方案可以使配置更加开箱即用，而不是重写查询或注入规范化文本版本。
不是解决方案，只是一个提示(这真的是一个庞大的话题(
这是一个棘手的话题，需要大量时间才能正确处理。 老实说，30种语言非常雄心勃勃：-(
你可能想看看这篇很棒的博客文章 https://project-a.github.io/on-site-search-design-patterns-for-e-commerce/- 它只涉及德语，但可能会给你一个初步提示。