lucene - pattern_replace 中不区分大小写的替换

Question

我有 pattern_replace 令牌过滤器（es docs）

'addressPattern' => array(
                'type' => 'pattern_replace',
                'pattern' => '(str\.|street|and many more like this)',
                'replacement' => '',
            ),

如何使匹配不区分大小写？

Answer 1

抱歉，这个答案不及时，但我正在寻找在 Elasticsearch 中执行不区分大小写的模式匹配的问题。一种方法是您可以使用嵌入式标志：

'pattern' => '(?i)(str\.|street|and many more like this)',

嵌入式标志使用 (?xyz) 语法，其中 xyz 是标志。其他标志是 'u' 表示 unicode 大小写，'m' 表示多行，'s' 表示 dotall 等等。通常 i 和 s 是最有用的标志，如果使用非英语单词 u 也很有用。请注意，嵌入标志是上下文相关的 - 如果将其放在组的开头，则它仅适用于该组。

Lucene 使用 Java 的标准库 regex，因此有关更多详细信息，请参阅util.regex.Pattern 的 java 文档或java regex patterns 教程。

Answer 2

您可以包含lowercase filter在analyzer. 例如：

settings: {
  analysis: {
    tokenizer: {pattern_tokenizer: {... define your tokenizer here }}
    analyzer: {
      tokenizer: 'pattern_tokenizer',
      filter: ['lowercase'], 
      ....other details...

    }
  }
}

关键是在分析器中定义lowercase过滤器。

如果您使用term查询来匹配您的搜索，那么您需要将搜索词转换为小写，然后应用查询。