弹性搜索忽略`token_chars`

Question

我在Mac上用弹性搜索1.7.1。

这是我的索引映射：

{
   "settings":{
      "analysis":{
         "filter":{
            "my_edgengram":{
               "max_gram":15,
               "token_chars":[
                  "letter",
                  "digit"
               ],
               "type":"edgeNGram",
               "min_gram":1
            },
         },
         "analyzer":{
            "stop_edgengram_analyzer":{
               "filter":[
                  "lowercase",
                  "asciifolding",
                  "stop",
                  "my_edgengram"
               ],
               "type":"custom",
               "tokenizer":"whitespace"
            }
         }
      }
   }
}

调试分析器：

$ curl -XGET 'http://localhost:9200/objects/_analyze?analyzer=stop_edgengram_analyzer&text=America,s&pretty=True'
{
  "tokens" : [
     ... skipped ...
  , {
    "token" : "america",
    "start_offset" : 0,
    "end_offset" : 9,
    "type" : "word",
    "position" : 1
  }, {
    "token" : "america,",
    "start_offset" : 0,
    "end_offset" : 9,
    "type" : "word",
    "position" : 1
  }, {
    "token" : "america,s",
    "start_offset" : 0,
    "end_offset" : 9,
    "type" : "word",
    "position" : 1
  } ]
}

为什么america,s令牌在输出中？

,是标点符号。我期望字母和数字只有在token_chars属性中指定的my_edgengram过滤器。

Answer 1

您混淆了ngram令牌器和ngram令牌滤波器。

来自文件：

托卡器用于将字符串分解为术语或令牌流。

在问题中提供的示例中，whitespace是正在使用的令牌程序。

另一方面，令牌过滤器：

接受来自令牌程序的令牌流，并可以修改令牌(例如低胁迫)、删除令牌(例如删除停止词)或添加令牌(例如同义词)。

在OP中提供的示例中，使用了egde_ngram令牌过滤器。

token_chars不受edge_ngram令牌筛选器的支持，因此被忽略。