Elasticsearch char_filter不影响搜索

Question

我对 char_filter 工作原理的理解一定是错误的。我的目标是在 Elasticsearch 中同等对待所有撇号和引号字符（在本例中，完全删除它们）。 （显然有 5 个类似撇号的 unicode 字符......并且我的数据库有所有版本：facepalm:）

旁白：这种解决方案的灵感来自 这个线程

所以这是一个玩具问题，说明了我的 问题。 我使用 char_filter 创建一个索引，然后用 3 个文档填充它：

PUT test
{
  "settings": {
    "analysis": {
      "analyzer": {
        "quote_analyzer": {
          "char_filter": [
            "quotes"
          ],
          "tokenizer": "standard"
        }
      },
      "char_filter": {
        "quotes": {
          "mappings": [
            "\u0091=>",
            "\u0092=>",
            "\u2018=>",
            "\u2019=>"
          ],
          "type": "mapping"
        }
      }
    }
  }
}

POST test/_doc
{
  "name": "The King’s men",
  "id": "1"
}

POST test/_doc
{
  "name": "Zoom LeBron the Soldier 7 'King's Pride'",
  "id": "2"
}

POST test/_doc
{
  "name": "Kings Kings Kings",
  "id": "3"
}

如您所见，每个文档都包含单词 Kings 的某种形式。然后，我检查我的分析器是否正在执行我认为应该执行的操作：

GET test/_analyze
{
  "analyzer": "quote_analyzer",
  "text": "King’s boat"
}

得出结果：

{
  "tokens" : [
    {
      "token" : "Kings",
      "start_offset" : 0,
      "end_offset" : 6,
      "type" : "<ALPHANUM>",
      "position" : 0
    },
    {
      "token" : "boat",
      "start_offset" : 7,
      "end_offset" : 11,
      "type" : "<ALPHANUM>",
      "position" : 1
    }
  ]
}

看来 King's 中的撇号已被删除，标记为 Kings。伟大的！所以现在我想搜索 King's 并且由于分析器正在删除撇号，我应该得到所有三个结果。或者至少我会得到id:3，因为撇号被删除，并且它只匹配没有撇号的Kings Kings Kings。但是，搜索：

GET test/_search 
{
  "query": {
    "match": {
      "name": "King’s boat"
    }
  }
}

产量：

{
  "took" : 1,
  // collapsing ....
  "hits" : {
     // collapsing ....
    "hits" : [
      {
        "_index" : "test",
        "_type" : "_doc",
        "_id" : "1e2x_38Bn0QWlup8OIvp",
        "_score" : 1.1220688,
        "_source" : {
          "name" : "The King’s men",
          "id" : "1"
        }
      }
    ]
  }
}

同样，搜索 Kings Boat 仅检索 id:3。搜索 King's Boat 仅检索 id:2。

我缺少什么？如何实现对所有撇号字符一视同仁的目标？

Answer 1

请修改您的 char_filter 以容纳引号和撇号，就像您对引号所做的那样。