Elasticsearch的text类型是否有类似ignore_below的短词过滤配置？

你可以通过Elasticsearch的自定义分析器搭配length令牌过滤器实现需求，该过滤器可以直接筛除长度不符合要求的分词结果。

1. 完整索引配置示例 #

需要同时修改索引的settings（定义自定义分析器）和mappings（给publication字段绑定分析器），参考配置如下：

PUT 你的索引名称
{
  "settings": {
    "analysis": {
      "filter": {
        "min_length_filter": {
          "type": "length",
          "min": 3,
          "max": 255
        }
      },
      "analyzer": {
        "ignore_short_word_analyzer": {
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "min_length_filter"
          ]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "publication": {
        "type": "text",
        "analyzer": "ignore_short_word_analyzer",
        "fields": {
          "keyword": {
            "type": "keyword"
          }
        }
      },                
      "published": {
        "type": "date",
        "fields": {
          "keyword": { 
            "type": "keyword"
          }
        }
      },
      "id": {
        "type": "text"
      }
    }
  }
}

2. 效果验证 #

配置完成后可以用分析接口测试分词效果：

POST 你的索引名称/_analyze
{
  "analyzer": "ignore_short_word_analyzer",
  "text": "A car with an add"
}

返回的分词结果就是你需要的["car", "with", "add"]。

3. 已有索引处理说明 #

如果索引已经创建完成，无法直接修改分析器配置，需要按以下步骤操作：

• 关闭索引：POST /你的索引名称/_close
• 更新索引settings添加上述自定义分析器配置
• 重新打开索引：POST /你的索引名称/_open
• 对存量数据执行重新索引，新的分词规则才会生效

内容的提问来源于stack exchange，提问作者akrelj