针对含规格字符串的搜索索引，应选用何种分析器？

你遇到的问题核心是芬兰语分析器（lucene.finnish）不适合处理带单位的尺寸字符串：它会将0.8x1000x2000mm作为一个完整token索引，而你查询的0.8x1000x2000生成的token和索引中的不匹配，导致无法命中。

不需要完全替换原有分析器（毕竟整体表现良好），可以通过新增字段并配置自定义分析器来解决尺寸匹配问题，以下是具体方案：

方案一：自定义分析器+字符过滤器拆分单位 #

通过正则替换字符过滤器，在索引时同时保留带单位和不带单位的尺寸token，这样两种查询都能命中。

1. 定义自定义分析器 #

在索引的analysis配置中添加如下内容：

"analysis": {
  "char_filter": {
    "size-unit-split": {
      "type": "pattern_replace",
      "pattern": "(\\d+(?:\\.\\d+)?x\\d+x\\d+)(mm|cm|m)",
      "replacement": "$1 $1$2"
    }
  },
  "analyzer": {
    "custom-size-analyzer": {
      "type": "custom",
      "char_filter": ["html_strip", "size-unit-split"],
      "tokenizer": "standard",
      "filter": ["lowercase"]
    }
  }
}

这个配置会把0.8x1000x2000mm处理成0.8x1000x2000和0.8x1000x2000mm两个token。

2. 调整字段索引配置 #

给Value字段新增一个使用自定义分析器的子字段，同时保留原有芬兰语分析器的字段（不影响原有搜索效果）：

"name": {
  "fields": {
    "Value": [
      {
        "analyzer": "lucene.finnish",
        "searchAnalyzer": "lucene.finnish",
        "type": "string"
      },
      {
        "analyzer": "custom-size-analyzer",
        "searchAnalyzer": "custom-size-analyzer",
        "type": "string"
      },
      {
        "dynamic": true,
        "type": "document"
      }
    ]
  },
  "type": "document"
}

方案二：使用多字段分别处理 #

如果不想自定义分析器，也可以给Value设置两个独立子字段：

• 一个保留原有芬兰语分析器，处理普通文本搜索
• 另一个使用lucene.simple简单分析器，它会按非字母数字字符拆分，但需要注意测试是否能拆分出不带单位的尺寸
  不过这种方式不如自定义分析器精准，推荐优先方案一。

验证分析器效果 #

可以用分析API测试自定义分析器的输出，确保生成的token符合预期：

GET _analyze
{
  "analyzer": "custom-size-analyzer",
  "text": "steel 0.8x1000x2000mm"
}

返回结果中应该包含steel、0.8x1000x2000、0.8x1000x2000mm三个token，这样无论查询带不带mm都能匹配。

内容的提问来源于stack exchange，提问作者k102