elasticsearch Elasticsearch analyzer标记，用于带点的字母数字值

我有一个具有此值的文本字段-

term1-term2-term3-term4-term5-RWHPSA951000155.2013-05-27.log

当我使用AnalyzeAPI（默认分析器）检查时，我得到-

    {
    "tokens": [
        {
            "token": "text",
            "start_offset": 2,
            "end_offset": 6,
            "type": "<ALPHANUM>",
            "position": 1
        },
        {
            "token": "term1",
            "start_offset": 9,
            "end_offset": 14,
            "type": "<ALPHANUM>",
            "position": 2
        },
        {
            "token": "term2",
            "start_offset": 15,
            "end_offset": 20,
            "type": "<ALPHANUM>",
            "position": 3
        },
        {
            "token": "term3",
            "start_offset": 21,
            "end_offset": 26,
            "type": "<ALPHANUM>",
            "position": 4
        },
        {
            "token": "term4",
            "start_offset": 27,
            "end_offset": 32,
            "type": "<ALPHANUM>",
            "position": 5
        },
        {
            "token": "term5",
            "start_offset": 33,
            "end_offset": 38,
            "type": "<ALPHANUM>",
            "position": 6
        },
        {
            "token": "rwhpsa951000155.2013",
            "start_offset": 39,
            "end_offset": 59,
            "type": "<ALPHANUM>",
            "position": 7
        },
        {
            "token": "05",
            "start_offset": 60,
            "end_offset": 62,
            "type": "<NUM>",
            "position": 8
        },
        {
            "token": "27",
            "start_offset": 63,
            "end_offset": 65,
            "type": "<NUM>",
            "position": 9
        },
        {
            "token": "log",
            "start_offset": 66,
            "end_offset": 69,
            "type": "<ALPHANUM>",
            "position": 10
        }
    ]
}

{
“代币”：[
{
“令牌”：“文本”，
“起始偏移量”：2，
“端部偏移”：6，
“类型”：“，
“职位”：1
},
{
“令牌”：“term1”，
“起始偏移量”：9，
“端部偏移”：14，
“类型”：“，
“职位”：2
},
{
“令牌”：“term2”，
“起始偏移量”：15，
“端部偏移”：20，
“类型”：“，
“职位”：3
},
{
“令牌”：“term3”，
“起始偏移量”：21，
“端部偏移”：26，
“类型”：“，
“职位”：4
},
{
“令牌”：“term4”，
“起始偏移量”：27，
“端部偏移”：32，
“类型”：“，
“职位”：5
},
{
“令牌”：“term5”，
“起始偏移量”：33，
“端部偏移量”：38，
“类型”：“，
“职位”：6
},
{
“令牌”：“rwhpsa951000155.2013”，
“起始偏移量”：39，
“端部偏移量”：59，
“类型”：“，
“职位”：7
},
{
“令牌”：“05”，
“起始偏移量”：60，
“端部偏移”：62，
“类型”：“，
“职位”：8
},
{
“令牌”：“27”，
“起始偏移量”：63，
“端部偏移”：65，
“类型”：“，
“职位”：9
},
{
“令牌”：“日志”，
“起始偏移量”：66，
“端部偏移”：69，
“类型”：“，
“职位”：10
}
]
}

我对这个令牌特别好奇-

rwhpsa951000155.2013

。这是怎么发生的？目前，我搜索匹配的

RWHPSA951000155

失败，原因是此。如何使其将

RWHPSA951000155

和

2013

识别为单独的令牌

请注意，如果值为

term1-term2-term3-term4-term5-RWHPSA.2013-05-27.log

，则它将

RWHPSA

和

2013

拆分为单独的令牌。因此，这与

951000155

有关

谢谢，

正在将rwhpsa951000155.2013标记为产品编号

在中以连字符分隔单词，除非标记中有数字 在这种情况下，整个令牌被解释为产品编号，并且 不分裂

您可以添加模式分析器以将“.”替换为空白。然后，默认分析器将按照您想要的方式标记术语

/POST test
{
    "settings": {
        "index": {
            "analysis": {
                "char_filter": {
                    "my_pattern": {
                        "type": "pattern_replace",
                        "pattern": "\\.",
                        "replacement": " "
                    }
                },
                "analyzer": {
                    "my_analyzer": {
                        "tokenizer": "standard",
                         "char_filter": [
                            "my_pattern"
                        ]
                    }
                }
            }
        }
    },
    "mappings": {
        "my_type": {
            "properties": {
                "test": {
                    "type": "string",
                    "analyzer": "my_analyzer"
                }
            }
        }
    }
}

调用分析API：

curl -XGET 'localhost:9200/test/_analyze?analyzer=my_analyzer&pretty=true' -d 'term1-term2-term3-term4-term5-RWHPSA.2013-05-27.log'

返回：

{
  "tokens" : [ {
    "token" : "term1",
    "start_offset" : 0,
    "end_offset" : 5,
    "type" : "<ALPHANUM>",
    "position" : 1
  }, {
    "token" : "term2",
    "start_offset" : 6,
    "end_offset" : 11,
    "type" : "<ALPHANUM>",
    "position" : 2
  }, {
    "token" : "term3",
    "start_offset" : 12,
    "end_offset" : 17,
    "type" : "<ALPHANUM>",
    "position" : 3
  }, {
    "token" : "term4",
    "start_offset" : 18,
    "end_offset" : 23,
    "type" : "<ALPHANUM>",
    "position" : 4
  }, {
    "token" : "term5",
    "start_offset" : 24,
    "end_offset" : 29,
    "type" : "<ALPHANUM>",
    "position" : 5
  }, {
    "token" : "RWHPSA951000155",
    "start_offset" : 30,
    "end_offset" : 45,
    "type" : "<ALPHANUM>",
    "position" : 6
  }, {
    "token" : "2013",
    "start_offset" : 46,
    "end_offset" : 50,
    "type" : "<NUM>",
    "position" : 7
  }, {
    "token" : "05",
    "start_offset" : 51,
    "end_offset" : 53,
    "type" : "<NUM>",
    "position" : 8
  }, {
    "token" : "27",
    "start_offset" : 54,
    "end_offset" : 56,
    "type" : "<NUM>",
    "position" : 9
  }, {
    "token" : "log",
    "start_offset" : 57,
    "end_offset" : 60,
    "type" : "<ALPHANUM>",
    "position" : 10
  } ]
}

{
“代币”：[{
“令牌”：“term1”，
“起始偏移量”：0，
“端部偏移”：5，
“类型”：“，
“职位”：1
}, {
“令牌”：“term2”，
“起始偏移量”：6，
“端部偏移”：11，
“类型”：“，
“职位”：2
}, {
“令牌”：“term3”，
“起始偏移量”：12，
“端部偏移”：17，
“类型”：“，
“职位”：3
}, {
“令牌”：“term4”，
“起始偏移量”：18，
“端部偏移”：23，
“类型”：“，
“职位”：4
}, {
“令牌”：“term5”，
“起始偏移量”：24，
“端部偏移”：29，
“类型”：“，
“职位”：5
}, {
“令牌”：“RWHPSA951000155”，
“起始偏移量”：30，
“端部偏移量”：45，
“类型”：“，
“职位”：6
}, {
“代币”：“2013年”，
“起始偏移量”：46，
“端部偏移量”：50，
“类型”：“，
“职位”：7
}, {
“令牌”：“05”，
“起始偏移量”：51，
“端部偏移”：53，
“类型”：“，
“职位”：8
}, {
“令牌”：“27”，
“起始偏移量”：54，
“端部偏移”：56，
“类型”：“，
“职位”：9
}, {
“令牌”：“日志”，
“起始偏移量”：57，
“端部偏移量”：60，
“类型”：“，
“职位”：10
} ]
}

谢谢！我一直在浏览ES文档，了解标准分析器是如何工作的，从来没有想过要看lucene的文档。顺便说一句，我可以在映射中为字段分配一个分析器。如何使分析器成为索引的默认值？ES文档说：“可以使用

default\u索引

逻辑名称来配置一个默认分析器，该分析器将在索引时使用”。这样行吗？我已经定义了映射，索引中有数据。如何单独更新默认分析器？是的，它可以工作。在上面的设置示例中，将“my_analyzer”更改为“default_index”。要更新分析器，请查看此链接：我尝试了此链接，但似乎出现了问题。现在，当我将analyze API与提到的文本一起使用时，我得到了

{“tokens”：[]}

。当我做

curl-XGET'http://localhost:9200/myindex/_settings?pretty“

，我可以看到新的分析器。如何删除所有分析仪和过滤器并恢复到旧状态？在此之前，我从未在设置中使用过分析{}部分。过滤器中的“.”需要转义，即“\\”，请尝试再次更新。Dan，我只是观察到其他内容。它正在按预期分解代币。但我无法使用现有数据通过

RWHPSA951000155

进行搜索。在我能够通过

RWHPSA951000155.2013

搜索之前。现在它也停止工作了。我不想进一步讨论，但你知道可能是什么原因造成的吗？我需要重新索引我的数据吗？