ElasticsearchのCamelCaseトークナイザから除外する

Question

iPhoneをElasticsearchで検索するときにiPhoneを一致させるために苦労しています。

私はいくつかのソースコードを持っているので、確かにCamelCase tokenizerが必要ですが、iPhoneを2つの言葉に分けるように見えるので、iphoneは見つかりません。

誰かが、キャメルケースの単語をトークン（キャメル+ケース）に分割する際に例外を追加する方法を知っていますか？

UPDATE：[null、pointer、exception]としてNullPointerExceptionをトークン化したいが、私はiPhoneを[i、phone]にしたくない。

他の解決方法はありますか？私はさらに、NullPointerExceptionは[null、ポインタ、例外、nullpointer、pointerexception、nullpointerexception]としてトークン化されますが、これは明らかに視点からはるかに有用です。検索する人のインデックス作成も高速です！支払う価格はインデックスのサイズですが、それは優れたソリューションです。

Answer 1

word_delimiter token filterで要件を満たすことができます。 これはこれは、ケースに単語を分割します

{ 
    "settings": { 
    "analysis": { 
     "analyzer": { 
     "camel_analyzer": { 
      "tokenizer": "whitespace", 
      "filter": [ 
      "camel_filter", 
      "lowercase", 
      "asciifolding" 
      ] 
     } 
     }, 
     "filter": { 
     "camel_filter": { 
      "type": "word_delimiter", 
      "generate_number_parts": false, 
      "stem_english_possessive": false, 
      "split_on_numerics": false, 
      "protected_words": [ 
      "iPhone", 
      "WiFi" 
      ] 
     } 
     } 
    } 
    }, 
    "mappings": { 
    } 
} 

私のセットアップであることのでNullPointerExceptionがヌル、ポインタと例外としてトークン化されますが、iPhoneとのWiFiとして残る変更しますそれらはそのまま保護です。 word_delimiterには柔軟性のための多くのオプションがあります。 preserve_originalでもお手伝いします。

GET logs_index/_analyze?text=iPhone&analyzer=camel_analyzer 

結果

GET logs_index/_analyze?text=NullPointerException&analyzer=camel_analyzer 

結果と今

{ 
    "tokens": [ 
     { 
     "token": "iphone", 
     "start_offset": 0, 
     "end_offset": 6, 
     "type": "word", 
     "position": 1 
     } 
    ] 
} 

{ 
    "tokens": [ 
     { 
     "token": "null", 
     "start_offset": 0, 
     "end_offset": 4, 
     "type": "word", 
     "position": 1 
     }, 
     { 
     "token": "pointer", 
     "start_offset": 4, 
     "end_offset": 11, 
     "type": "word", 
     "position": 2 
     }, 
     { 
     "token": "exception", 
     "start_offset": 11, 
     "end_offset": 20, 
     "type": "word", 
     "position": 3 
     } 
    ] 
} 

別のアプローチは、異なる解析器で二回あなたのフィールドを分析することであるが、私はword_delimiterがどうなる感じトリック。

これは役に立ちますか？