elasticsearch 使用Elasticsearch asciifolding忽略特定字符

在我的分析器中，我添加了asciifolding过滤器。在大多数情况下，这非常有效，但在使用丹麦语时，我不想规范æå字符，因为“rød”和“rod”是非常不同的单词

我们使用的是托管的弹性云集群，因此如果可能的话，我们需要一个不需要通过云平台进行任何非标准部署的解决方案

是否有任何方法可以进行ascifolding，但将某些字符列为白名单

---

当前在ES版本6.8上运行，因为您已经使用了，但它是一个令牌过滤器，因此它确实无法过滤掉某些字符，因为分析过程由以下三个连续步骤组成：

字符过滤器（这里您可以过滤或替换某些字符）

标记器（此过程生成标记）

令牌过滤器（可以修改令牌发生器生成的令牌）

没有现成的解决方案可以有效地解决您的问题（只需不规范化几个字符）

参考ES书籍的权威指南文章

您可以在令牌过滤器中使用参数，该参数会将原始令牌保留在相同的位置，但这存在相关性较低的问题，并提供与原始单词的精确匹配

---

因此，在同一本书及其建议中，为不同字段中的原始含义编制索引，然后对大多数字段使用多匹配查询，更多信息可在中找到。

您可能应该使用ICU折叠标记过滤器

从：

基于UTR#30的Unicode字符大小写折叠，如 类固醇上的ASCII折叠令牌过滤器

它允许您执行AsciiFolding筛选器所执行的所有操作，但除此之外，它还允许您通过unicodeSetFilter属性忽略一系列字符

在本例中，您希望忽略æ，å，Æ，Ø，Ø：

"unicodeSetFilter": "[^æøåÆØÅ]"

完整示例：

PUT icu_sample
{
  "settings": {
    "index": {
      "analysis": {
        "analyzer": {
          "danish_analyzer": {
            "tokenizer": "icu_tokenizer",
            "filter": [
              "danish_folding",
              "lowercase"
            ]
          }
        },
        "filter": {
          "danish_folding": {
            "type": "icu_folding",
            "unicodeSetFilter": "[^æøåÆØÅ]"
          }
        }
      }
    }
  }
}

---

这看起来非常有希望，并且AnalysisICU插件在云平台上是标准的。我会试试这个，我肯定它会帮你解决的。如果您希望其他斯堪的纳维亚国家能够使用他们自己的ö/ø、ä/æ等版本查找您的内容，而不破坏特殊字符的含义，我也可以推荐“斯堪的纳维亚ä正常化”过滤器（）。@mortenbook，您能解决您的问题吗？