如何在Elasticsearch中定义分析器，忽略TLD对域名进行模糊匹配？

你可以通过定义自定义分析器，在索引和搜索阶段自动剥离域名的TLD部分，实现忽略TLD的模糊匹配，具体步骤如下：

1. 创建带自定义分析器的索引 #

创建索引时，在settings中定义专门处理域名的分析器，核心是用pattern_replace字符过滤器去掉最后一个点之后的所有内容（即TLD）：

PUT /domain_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "domain_without_tld": {
          "tokenizer": "keyword",
          "filter": ["lowercase"],
          "char_filter": ["strip_tld"]
        }
      },
      "char_filter": {
        "strip_tld": {
          "type": "pattern_replace",
          "pattern": "\\.[^.]+$",
          "replacement": ""
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "domain": {
        "type": "text",
        "analyzer": "domain_without_tld",
        "search_analyzer": "domain_without_tld"
      }
    }
  }
}

分析器细节： #

• strip_tld字符过滤器：用正则\.[^.]+$匹配最后一个点后的所有字符（比如.com、.net），替换为空，只保留主域名。
• domain_without_tld分析器：用keyword分词器保持整个主域名作为单个token，搭配lowercase过滤器统一大小写，实现大小写无关匹配。
• 指定search_analyzer，确保搜索时的查询字符串也会被同样处理（比如输入gogle.net会被转成gogle）。

2. 测试验证 #

• 索引文档：

POST /domain_index/_doc/1
{
  "domain": "google.com"
}

此时google.com会被分析成google存入索引。

• 执行模糊搜索：

GET /domain_index/_search
{
  "query": {
    "fuzzy": {
      "domain": {
        "value": "gogle.net",
        "fuzziness": "AUTO"
      }
    }
  }
}

搜索时gogle.net会被分析器处理成gogle，随后模糊匹配到google，返回目标文档。

补充说明 #

如果你的域名存在二级以上结构（比如mail.google.com），当前正则会去掉.com保留mail.google；若需要只提取最核心的主域名（比如google），可以把正则调整为\.[^.]+(\.[^.]+)?$，按需选择即可。

内容的提问来源于stack exchange，提问作者Mister_L