Elasticsearch 1.7中uax_url_email分词器拆分邮箱问题求助

嘿，我看了你配置的Elasticsearch分析器和测试结果，明明用了uax_url_email分词器，邮箱还是被@拆成两个token，这大概率是几个常见的配置坑导致的，我帮你梳理一下：

1. 索引模板没生效到已存在的索引上 #

你的模板是给someindex*这类索引用的，但如果someindex这个索引是在你创建模板之前就已经存在了，那模板里的分析器配置根本不会自动套用到这个老索引上——Elasticsearch的模板只对模板创建后新建的索引生效。

怎么验证？ #

先查一下someindex当前的配置，看看你写的email-analyzer和email-tokenizer是不是真的加载进去了：

curl -XGET 'http://localhost:9200/someindex/_settings?pretty'

如果返回的结果里找不到这两个配置，那就是模板没生效的问题。

解决办法 #

如果数据可以备份重建的话，先删掉旧索引：

curl -XDELETE 'http://localhost:9200/someindex'

之后要么手动创建索引，要么随便插一条数据，Elasticsearch会自动匹配模板创建新索引，这时候再跑你的测试命令，应该就能看到完整的邮箱token了。

2. 确认分词器的实际使用情况 #

你测试返回的token类型是<ALPHANUM>，但正常uax_url_email分词器处理邮箱后，token类型应该是<EMAIL>，这说明你的email-analyzer根本没被用上，实际用的还是默认的标准分词器。这也侧面印证了第一个问题——模板没生效，索引里根本没这个自定义分析器。

3. 再核对下模板配置的细节 #

你的模板配置本身是没问题的，但可以再检查下拼写：

• 确保email-tokenizer的类型确实是uax_url_email，没有打错字：

  "index.analysis.tokenizer.email-tokenizer.type" : "uax_url_email"
  

• 确保email-analyzer正确关联了这个tokenizer：

  "index.analysis.analyzer.email-analyzer.tokenizer" : "email-tokenizer"
  

正确生效后的预期结果 #

如果配置没问题且模板生效了，测试命令会返回这样的结果：

{"tokens":[{"token":"test.me@gmail.com","start_offset":0,"end_offset":17,"type":"<EMAIL>","position":1}]}

另外补充个小技巧：如果只是单纯想让邮箱字段完全不拆分，也可以直接用keyword分词器（把整个字符串当成一个token），不过uax_url_email更适合同时处理邮箱和URL的场景。

内容的提问来源于stack exchange，提问作者al.