从 Elasticsearch 的小写过滤器中排除某些标记答案

【问题标题】：Exclude certain tokens from Elasticsearch's lowercase filter从 Elasticsearch 的小写过滤器中排除某些标记
【发布时间】：2020-05-20 23:16:27
【问题描述】：

我希望所有单词都被索引为小写标记，除了少数几个。我想我可以结合使用condition 令牌过滤器和lowercase 过滤器来完成此操作：

基于我在文档中阅读此页面： https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-condition-tokenfilter.html

我添加了这个过滤器，以排除单词“WHO”：

{
   "filter":{
      "smart_lowercase_filter":{
         "filter":[
            "lowercase"
         ],
         "type":"condition",
         "script":{
            "source":"token.term != 'WHO'"
         }
      }
   }
}

但是，“WHO”仍然被标记为“who”。知道我做错了什么吗？

非常感谢。

【问题讨论】：

标签： elasticsearch

【解决方案1】：

您需要使用CharSequence.toString() 方法，否则您将CharSequence 与String 进行比较，这是行不通的。

{
  "settings": {
    "analysis": {
      "filter": {
        "smart_lowercase_filter": {
          "filter": [
            "lowercase"
          ],
          "type": "condition",
          "script": {
            "source": "token.term.toString() != 'WHO'"
                                     ^
                                     |
                                  add this
          }
        }
      },
      "analyzer": {
        "my_analyzer": {
          "type": "custom",
          "tokenizer": "whitespace",
          "filter": [
            "smart_lowercase_filter"
          ]
        }
      }
    }
  }
}

你会得到这个：

{
  "tokens" : [
    {
      "token" : "hey",
      "start_offset" : 0,
      "end_offset" : 3,
      "type" : "word",
      "position" : 0
    },
    {
      "token" : "WHO",                  <------------
      "start_offset" : 4,
      "end_offset" : 7,
      "type" : "word",
      "position" : 1
    },
    {
      "token" : "are",
      "start_offset" : 8,
      "end_offset" : 11,
      "type" : "word",
      "position" : 2
    },
    {
      "token" : "you",
      "start_offset" : 12,
      "end_offset" : 15,
      "type" : "word",
      "position" : 3
    }
  ]
}

【讨论】：