Elasticsearch 7.17.8中wildcard字段西里尔文大小写不敏感查询失效

问题原因 #

Elasticsearch 7.17.8中，wildcard字段的case_insensitive查询默认仅支持ASCII字符集的大小写转换，无法识别西里尔文这类非ASCII字符的大小写映射关系（比如西里尔文Е与е的Unicode编码不在ASCII范围内，规则不处理它们的转换），导致开启case_insensitive: true后仍无法匹配大小写不同的西里尔文内容。

解决方案 #

方案1：使用带归一化器的keyword字段（推荐） #

通过配置normalizer在索引阶段统一将字段内容转为小写（或大写），查询时无需依赖case_insensitive参数，直接执行wildcard查询即可匹配。

创建索引：

PUT /index
{
  "settings": {
    "analysis": {
      "normalizer": {
        "cyrillic_lowercase": {
          "type": "custom",
          "filter": ["lowercase"]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "name": {
        "type": "keyword",
        "normalizer": "cyrillic_lowercase"
      }
    }
  }
}

写入数据：

POST /index/_doc/1
{
  "name": "ТЕСТ"
}

查询（大小写不敏感，直接匹配）：

POST /index/_search
{
  "query": {
    "wildcard": {
      "name": "*Тест*"
    }
  }
}

此时索引中的ТЕСТ已被归一化为тест，查询字符串*Тест*会自动匹配归一化后的值。

方案2：升级至Elasticsearch 8.x版本 #

Elasticsearch 8.x对wildcard查询的case_insensitive参数做了优化，引入ICU字符集支持，可直接处理西里尔文等非ASCII字符的大小写转换，无需额外配置即可实现预期的大小写不敏感查询。

方案3：手动统一大小写 #

在业务层处理数据：

• 写入Elasticsearch前，将西里尔文内容统一转为小写（或大写）
• 查询时，将查询字符串也转为相同的大小写格式，再执行wildcard查询

示例：写入数据时存储тест，查询时使用*тест*作为wildcard值，即可匹配原数据ТЕСТ。

内容的提问来源于stack exchange，提问作者Irfan Hodzic