Elasticsearch“keep\u types”过滤器不适用于“pattern”标记器

Question

我在使用带有“模式”标记器的“keep\u types”过滤器时遇到问题，下面是一个示例：

    {
        "tokenizer": {
            "type": "pattern",
            "pattern": "[()., _-]"
        },
        "filter": [
            "lowercase",
            "asciifolding",
            {
                "type": "keep_types",
                "types": [
                    "<ALPHANUM>"
                ]
            }
        ],
        "text": [
            "7002982065_8031949292_Bomba (Vácuo,pressão) - Suryha.pdf"
        ]
    }

针对_analyze API的结果是：

  {
    "tokens": []
  }

如果我移除keep_types它按预期工作。

我还注意到，如果我使用“标准”分析器，它可以很好地工作，但在这种情况下，它不会以所需的方式标记文本。

我使用的是6.8版本，但在7.5版本中也尝试了相同的结果。。。

有什么想法吗？

Answer 1

我能够使用“字母”标记器获得预期结果，它删除数字和引号，而不需要过滤器。

{
    "tokenizer": {
        "type": "letter"
    },
    "filter": [
        "lowercase",
        "asciifolding"
    ],
    "text": [
        "7002982065_8031949292_Bomba (\"Vácuo,pressão) - Suryha.pdf"
    ]
}

结果是

[
  "bomba",
  "vacuo",
  "pressao",
  "suryha",
  "pdf"
]

但我仍然认为这是值得回答的主要问题所以我会保持开放