我将 Hibernate Search 与 Elasticsearch 结合使用，我需要生成用于搜索的令牌，而无需连续重复字符。我检查了 Elasticsearch 的文档，但找不到任何我需要的东西。我发现了一些关于自定义分析器的东西，但总是使用预定义的标记器和基于我发现的其他部分组合在一起。没有选项可以满足我的需要。
您知道如何实现这一目标吗？
我想到的唯一一件事是创建一个重复的数据库列，并将原始列的重复值删除不需要的字符。然后在这两个字段中进行搜索。
例子：
这个搜索词应该能找到这个人。
PS：不能使用模糊搜索，因为在我的情况下它弊大于利，并找到我不想要的结果。
感谢您的建议。
【问题讨论】：
标签： java elasticsearch hibernate-search
我认为pattern-replace token filter 会起作用。
只需将pattern 参数设置为"(.)\\1+"（“任何字符后跟同一个字符至少一次”）并将replace 参数设置为"$1"（“那个字符，但只有一次”）。
将这些复制/粘贴到 Java 代码时要小心：反斜杠很重要。
请注意，我不确定此正则表达式的性能。通常我宁愿使用 ngram 过滤器，但既然你不想要模糊搜索......
另外请注意，您仍然会得到误报：搜索“Zimmermann”（没有任何拼写错误）在结果列表中返回的名为“Zimmermann”的人可能比实际的“Zimmermann”更高。
解决或至少缓解此问题的常见解决方案是利用评分。只需按分数（相关性）对结果进行排序，然后精心设计查询，以便精确匹配获得更好的分数。
例如，您可以为人名添加两个字段：“name_exact”，使用不应用模式替换谓词的分析器，以及“name_fuzzy”，使用不应用模式替换谓词的分析器。 然后在 Hibernate Search 中，构建一个带有两个“should”子句的布尔谓词：每个字段一个。完全匹配自然会得到更高的分数，并且会上升到结果列表的顶部。
【讨论】：