Как искать амперсанд в Elasticsearch?

Question

В Elasticsearch, как искать значение с амперсандом? Пытался:

http://localhost:9200/my_index/_search?q=name:"procter \u0026 gamble"

Answer 1

Существуют различные способы, но один из способов будет объявить вашу строку как not_analyzed в вашем отображении (см. ниже), а затем найдите точное значение, которое было проиндексировано.

curl -XPUT localhost:9200/tests -d '{
  "mappings": {
    "test": {
      "properties": {
        "name": {
          "type": "string",
          "fields": {
            "raw": {
              "type": "string",
              "index": "not_analyzed"
            }
          }
        }
      }
    }
  }
}'

Теперь мы индексируем образец документа:

curl -XPUT localhost:9200/tests/test/1 -d '{"name":"procter & gamble"}'

И, наконец, ваш поисковый запрос вернет ожидаемый вами документ:

curl -XGET localhost:9200/tests/test/_search?q=name.raw:"procter %26 gamble"

ОБНОВЛЕНИЕ Вот еще один более сложный способ использования nGram токенайзер, который будет индексировать все возможные токены длиной от 2 до 20 (произвольный выбор) ваших имен.

curl -XPUT localhost:9200/tests -d '{
  "settings": {
    "analysis": {
      "analyzer": {
        "ngram_analyzer": {
          "tokenizer": "ngram_tokenizer",
          "filter": [
            "lowercase"
          ]
        }
      },
      "tokenizer": {
        "ngram_tokenizer": {
          "type": "nGram",
          "min_gram": 2,
          "max_gram": 20
        }
      }
    }
  },
  "mappings": {
    "test": {
      "properties": {
        "name": {
          "type": "string",
          "index_analyzer": "ngram_analyzer",
          "search_analyzer": "keyword"
        }
      }
    }
  }
}'

Тогда вы можете искать точное имя, как раньше

curl -XGET localhost:9200/tests/test/_search?q=name:"procter %26 gamble"

Или просто с помощью какого-нибудь жетона на ваше имя

curl -XGET localhost:9200/tests/test/_search?q=name:procter
curl -XGET localhost:9200/tests/test/_search?q=name:"procter %26"
curl -XGET localhost:9200/tests/test/_search?q=name:gamble

Answer 2

Я использовал немного другой подход. Создайте собственный анализатор шаблонов со специальными символами (я использовал &'-@).

Исходный анализатор образов в ES - "\W+"

Начиная с документации ES: https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-pattern-analyzer.html

Анализатор шаблонов использует регулярное выражение для разделения текста на термины. Регулярное выражение должно соответствовать разделителям токенов, а не самим токенам. Регулярное выражение по умолчанию имеет значение \W+ (или все несловарные символы).

Поэтому, чтобы добавить специальные символы, которые я хотел, мне пришлось инвертировать логику этого регулярного выражения. Это мой пользовательский анализатор.

    "special_chars_analyzer": {
      "type": "pattern",
      "pattern": "[^\\w&'-@]+",
      "lowercase": true
    }