ES7同义词查询大小写匹配异常问题及调试方法咨询

需求与预期 #

配置同义词：angularjs, angular.js, angular js，预期效果：

• 查询angularjs时，能匹配到angular.js；
• 查询Angularjs时，也能匹配到angular.js。

实际问题 #

• 查询angularjs时，可正常匹配到angular.js；
• 查询Angularjs时，无匹配结果（0 hit）。

当前配置 #

过滤器配置 #

filter:
  synonym:
    type: synonym
    #ignore_case: true
    lenient: true
    synonyms_path: synonym.txt

分词器配置 #

synonym_analyzer:
  tokenizer: 'standard'
  ignore_case: true
  filter: [ lowercase, trim, asciifolding, elision, synonym ]

问题核心原因 #

1. 同义词过滤器大小写开关未启用：你注释掉了同义词过滤器的ignore_case: true参数，尽管分词器中配置了lowercase过滤器，但同义词匹配默认是大小写敏感的——若同义词列表内的条目与分词后的token大小写不完全一致，就会触发匹配失败。
2. 分词器冗余配置无效：standard分词器本身不支持ignore_case参数，你在分词器层级写的ignore_case: true不会生效，大小写转换完全依赖lowercase过滤器。

调试排查步骤 #

1. 启用同义词过滤器的大小写忽略 #

取消注释同义词过滤器的ignore_case: true参数，确保同义词匹配时不区分大小写：

filter:
  synonym:
    type: synonym
    ignore_case: true
    lenient: true
    synonyms_path: synonym.txt

2. 测试分词器处理结果 #

调用ES的_analyzeAPI，对比不同大小写查询词的分词输出：

POST _analyze
{
  "analyzer": "synonym_analyzer",
  "text": ["Angularjs", "angularjs"]
}

若Angularjs的分词结果中未包含angular.js，说明同义词替换未生效，需检查同义词文件格式。

3. 校验同义词文件格式 #

确保synonym.txt采用正确的同义词格式（双向替换用逗号分隔），且编码为UTF-8：

angularjs, angular.js, angular js

若使用单向替换（如angularjs => angular.js），仅会在查询时替换，索引时不会生成反向同义词token，可能导致匹配异常。

4. 确认索引与查询分词器一致 #

检查字段映射，确保索引和查询阶段都使用synonym_analyzer：

PUT /your_index
{
  "mappings": {
    "properties": {
      "content": {
        "type": "text",
        "analyzer": "synonym_analyzer",
        "search_analyzer": "synonym_analyzer"
      }
    }
  }
}

若search_analyzer未指定为synonym_analyzer，查询时会使用默认分词器，同义词替换将不生效。

5. 查看索引文档的token列表 #

使用_termvectorsAPI验证包含angular.js的文档是否生成了同义词token：

GET /your_index/_doc/1/_termvectors?fields=content

若token列表仅包含angular.js，说明索引阶段同义词替换未生效，需检查分词器在索引时的配置是否正确。

内容的提问来源于stack exchange，提问作者Sancho