Elasticsearch -如何在使用小写过滤器时保留大写缩写？

Question

在Elasticsearch 2.x中，我如何区分首字母缩写"CAN“和常见的英语单词"can”，同时仍然在我的分析器中使用“小写”筛选器(用来使搜索不区分大小写)？

我使用的自定义分析器是：

"analyzer": {
    "tight": {
        "type": "custom",
        "tokenizer": "standard",
        "stopwords": "_english_",
        "filter": ["lowercase", "asciifolding"]
    }
}

在索引时，当大写首字母缩写"can“命中我的分析器时，它就变成了英语单词"CAN”。然后，当我搜索"CAN“时，我会得到所有包含英文单词"can”的文档。我只想要包含大写单词"CAN“的文档。可能还有其他缩写词属于类似的模式。

解决这个问题的最好方法是什么？

Answer 1

实现它的一种方法是创建另一个不带lowercase令牌过滤器的分析器，并在主字段的子字段上使用该分析器。它是这样的：

使用两个分析器tight和tight_acronym创建索引。前者被分配给field，后者被分配给field.acronyms子字段：

PUT index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "tight": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "asciifolding"
          ]
        },
        "tight_acronym": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": [
            "asciifolding"
          ]
        }
      }
    }
  },
  "mappings": {
    "test": {
      "properties": {
        "field": {
          "type": "string",
          "analyzer": "tight",
          "fields": {
            "acronyms": {
              "type": "string",
              "analyzer": "tight_acronym"
            }
          }
        }
      }
    }
  }
}

然后我们索引两个文档：

PUT index/test/1
{ "field": "It is worth CAN 300" }
PUT index/test/2
{ "field": "can you do it?" }

然后，如果您搜索CAN (在子字段上)，您将得到第一个文档

POST index/test/_search
{
  "query": {
    "match": {
      "field.acronyms": "CAN"
    }
  }
}

如果您搜索can (在主字段上)，您将得到第二个文档

POST index/test/_search
{
  "query": {
    "match": {
      "field": "can"
    }
  }
}