ElasticSearch防止搜索html標籤

Question

我有一個文本被另一個應用程序標記。我不希望在查詢時返回這些標籤的查詢。

我試過使用html_strip，但我仍然能夠搜索這些標籤。

標籤的示例可能會有所不同，但它們與<PERSON>Freddy</PERSON>類似。 我也試過<span>Freddy</span>，在這兩個結果中，我都可以搜索範圍或PERSON並得到沒有出現這些詞的結果。

我在做什麼錯？

指數映射：

{ 
    "mapping": { 
    "properties":{ 
     "text":{ 
      "type":"text", 
      "analyzer":"my_analyzer" 
     } 
    } 
    }, 
    "settings": { 
    "analysis": { 
     "analyzer": { 
     "my_analyzer": { 
      "tokenizer": "keyword", 
      "char_filter": [ 
      "my_char_filter" 
      ] 
     } 
     }, 
     "char_filter": { 
     "my_char_filter": { 
      "type": "html_strip" 
     } 
     } 
    } 
    } 
} 

查詢

{ 
    "query":{ 
     "match":{ 
      "text":"span" 
     } 
    }, 
    "highlight":{ 
     "fields":{ 
      "text":{} 
     } 
    } 
} 

響應：

.. 
"hits": [ 
      { 
       "_index": "my_index", 
       "_type": "wat", 
       "_id": "1", 
       "_score": 0.39556286, 
       "_source": { 
        "text": "Hello <span>Freddy</span>" 
       }, 
       "highlight": { 
        "text": [ 
         "Hello <<em>span</em>>Freddy</<em>span</em>>" 
        ] 
       } 
      } 
     ] 
... 

Answer 1

你有一對夫婦在這裏的問題;首先，mapping應該是mappings，並且在聲明映射時缺少類型（因此，您的類型wat實際上根本沒有獲取該映射）。您可以使用此：

{ 
    "mappings": { 
    "wat": { 
     "properties": { 
     "text": { 
      "type": "text", 
      "analyzer": "my_analyzer" 
     } 
     } 
    } 
    }, 
    "settings": { 
    "analysis": { 
     "analyzer": { 
     "my_analyzer": { 
      "tokenizer": "keyword", 
      "char_filter": [ 
      "my_char_filter" 
      ] 
     } 
     }, 
     "char_filter": { 
     "my_char_filter": { 
      "type": "html_strip" 
     } 
     } 
    } 
    } 
} 

可以使用get mapping api確認您看到的類型wat映射像你期望的那樣。

然後如果你索引Hello <span>Freddy</span>，並搜索Hello Freddy，你會看到這個結果。存儲的術語是Hello Freddy，但您會在搜索結果中看到span標記，因爲結果會返回源（您索引的值），而不是分析的術語。 （如果搜索Hello <span>Freddy</span>，您也會看到相同的結果，但這是因爲查詢文本的分析方式與編入索引的文本相同。）

請注意，由於您已使用keyword標記器，因此您將得不到結果如果您搜索Hello或Freddy。如果你想在字符串內搜索，而不是搜索完整的字符串（或通配符，正則表達式等），你應該使用不同的標記器（如standard標記器）。

另一個警告：html_strip過濾器似乎只過濾有效的html標籤（所以它不適用於<PERSON>）。您可以改爲使用pattern filter。