Elasticsearch 5.2 剧集编号视频标题搜索技术咨询

嘿，这里完全是讨论这类Elasticsearch搜索问题的合适平台，不用找别的渠道啦！针对你提到的带剧集编号的视频搜索需求——比如用户搜“Four Beautyful Sun Flower 1”或者“Episode 15”时能精准定位对应剧集，结合ES 5.2的特性，我给你整理几个实用的解决方案：

1. 新增专属字段存储剧集编号 #

最直接有效的方式是给文档新增一个**episode_number整型字段**，专门提取并存储标题里的剧集数字（比如把“Episode 01”转换成1，“Episode 15”转换成15）。这样能实现精准的数值匹配，避免分词带来的干扰。

修改后的示例文档：

{"id": "1","title": "Four Beautyful Sun Flower - Episode 01", "episode_number": 1}
{"id": "2","title": "Four Beautyful Sun Flower - Episode 15", "episode_number": 15}

之后用户搜索时，你可以先从搜索词里提取数字（比如用正则匹配\d+），再直接针对episode_number做term查询，精准命中对应剧集。

2. 自定义分析器优化标题字段的分词 #

ES 5.2支持自定义字符过滤器和分析器，我们可以通过pattern_replace过滤器把剧集编号做特殊处理，让分词器更精准地识别剧集标识。

比如创建一个包含剧集处理逻辑的自定义索引：

{
  "settings": {
    "analysis": {
      "char_filter": {
        "episode_normalizer": {
          "type": "pattern_replace",
          "pattern": "Episode (\\d+)",
          "replacement": "Episode $1 EP$1"
        }
      },
      "analyzer": {
        "title_episode_analyzer": {
          "type": "custom",
          "char_filter": ["html_strip", "episode_normalizer"],
          "tokenizer": "standard",
          "filter": ["lowercase", "asciifolding"]
        }
      }
    }
  },
  "mappings": {
    "video": {
      "properties": {
        "title": {
          "type": "text",
          "analyzer": "title_episode_analyzer",
          "fields": {
            "keyword": {
              "type": "keyword"
            }
          }
        },
        "episode_number": {
          "type": "integer"
        }
      }
    }
  }
}

这个配置会把标题里的“Episode 01”转换成“Episode 01 EP01”，这样用户搜索“EP1”“01”这类变体时，也能匹配到对应的文档。

3. 多字段联合查询提升匹配精度 #

当用户输入搜索词时，我们可以同时查询title字段和episode_number字段，用bool查询组合两种匹配逻辑，既保证标题的相关性，又补充剧集编号的精准匹配：

{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "title": {
              "query": "Four Beautyful Sun Flower 1",
              "boost": 2
            }
          }
        },
        {
          "term": {
            "episode_number": 1
          }
        }
      ]
    }
  }
}

给title字段设置更高的boost值，确保标题匹配度高的结果排在前面，同时用episode_number的精准匹配兜底，避免漏判。

4. 同义词处理提升搜索容错性 #

如果用户习惯用“Ep”代替“Episode”这类缩写，你可以给自定义分析器加上同义词过滤器，统一处理这类变体：

在索引的analysis.filter里新增：

"synonym_episode": {
  "type": "synonym",
  "synonyms": ["ep, episode"]
}

然后把这个过滤器加到title_episode_analyzer的filter列表里，这样用户搜“Ep 1”也能匹配到“Episode 01”的视频。

另外提醒下：ES 5.2是比较早期的版本了，虽然以上方案都能正常运行，但如果后续有版本升级计划，新版本的ES（比如7.x及以上）有更灵活的文本处理能力（比如正则分词、动态模板等），可以进一步优化搜索体验。

内容的提问来源于stack exchange，提问作者Hoàng Phúc Lương