嗨，我完全懂你遇到的这个坑！中文分词+同义词的组合在Elasticsearch里确实容易因为token拆分和短语重叠出问题，尤其是用Smartcn这种基于规则的分词器时，很容易把长短语拆成单个词，导致原本的单向同义词规则被token的重叠覆盖。我之前做中文电商搜索时也碰到过几乎一模一样的问题，给你几个经过验证的解决方案：

1. 先修正同义词规则的方向和应用时机 #

你当前的同义词规则继续教育 => 继续职业教育, 专业后续教育其实写反了方向！单向同义词的=>是「将左侧的文本替换为右侧的文本」，你的需求是当用户搜索「继续职业教育」时，同时匹配「继续职业教育」和「专业后续教育」，所以正确的规则应该是：

继续职业教育 => 继续职业教育, 专业后续教育

并且要确保这个同义词规则只在查询阶段（search analyzer）生效，不要在索引阶段应用。因为如果在索引阶段应用，会把文档里的内容都替换掉，反而会引入更多混乱。

2. 使用短语查询（Match Phrase）替代普通Match查询 #

普通的Match查询只要文档包含任意一个或多个query的token就会命中，这就是为什么「继续教育」会被匹配——它包含了「继续」和「教育」这两个token。而Match Phrase查询要求所有token按顺序连续出现，刚好能解决你的问题：

• 「继续职业教育」会被Smartcn拆分为[继续, 职业, 教育]
• 「继续教育」的分词结果是[继续, 教育]，缺少「职业」这个中间token，所以不会被短语查询命中
• 配合同义词规则，查询会被自动扩展为同时搜索「继续职业教育」和「专业后续教育」两个短语，完美覆盖你的需求

示例DSL：

{
  "query": {
    "match_phrase": {
      "content": {
        "query": "继续职业教育",
        "analyzer": "your_search_analyzer" // 包含同义词规则的查询分析器
      }
    }
  }
}

3. 调整分析器的执行顺序：先处理同义词，再分词（进阶方案） #

默认的分析器是「先分词，再应用同义词过滤器」，这会导致短语级别的同义词规则无法生效（因为分词后已经没有完整的短语token了）。你可以调整分析器的结构，先处理同义词，再用Smartcn分词，这样短语会被完整替换后再拆分：

定义自定义分析器

{
  "settings": {
    "analysis": {
      "filter": {
        "custom_synonym": {
          "type": "synonym_graph", // 用synonym_graph替代普通synonym，支持短语同义词的位置关联
          "synonyms": [
            "继续职业教育 => 继续职业教育, 专业后续教育"
          ],
          "expand": false // 不扩展，保持短语的完整性
        }
      },
      "analyzer": {
        "chinese_search_analyzer": {
          "tokenizer": "smartcn",
          "filter": [
            "custom_synonym"
          ]
        }
      }
    }
  }
}

这里用synonym_graph过滤器是关键，它会保留短语中token的位置关系，避免普通synonym过滤器导致的token乱序问题。

4. 用Minimum Should Match强制全token匹配 #

如果不想用短语查询，也可以在普通Match查询中设置minimum_should_match: "100%"，要求文档必须包含查询的所有token：

{
  "query": {
    "match": {
      "content": {
        "query": "继续职业教育",
        "analyzer": "your_search_analyzer",
        "minimum_should_match": "100%"
      }
    }
  }
}

这样「继续职业教育」的3个token（继续、职业、教育）必须全部出现在文档中才会命中，「继续教育」只有2个token，自然不会被匹配。

额外的验证技巧 #

你可以用Elasticsearch的_analyzeAPI随时测试分析器的效果，比如：

{
  "analyzer": "chinese_search_analyzer",
  "text": "继续职业教育"
}

查看返回的token列表，确认同义词是否正确替换，分词结果是否符合预期，这能帮你快速定位问题。

总结 #

你当前的核心问题是「先分词后同义词」导致短语级别的规则失效，加上普通Match查询的部分匹配逻辑，才会出现意外命中。优先尝试修正同义词方向+短语查询的组合，这个方案最简单直接，而且在大部分中文搜索场景下都有效。