解决Elasticsearch高亮显示被横线截断的问题

解决Elasticsearch高亮显示被横线截断的问题：完整指南

在日常使用Elasticsearch进行搜索功能开发时，我们经常会遇到一个令人困惑的问题：标题中的横线（如破折号、连字符等）导致高亮显示内容不完整。本文将深入分析这个问题的原因，并提供多种实用的解决方案。

问题现象：令人困惑的高亮截断

想象一下这样的场景：你的文章标题是"铜矿偏紧能否支撑铜价再创新高？——TOP15龙头矿企2024产量盘点"，用户搜索"TOP15"后，期望的高亮结果应该是完整的标题，但实际返回的却是：

"highlight": {
   
   
  "title.searchstr": [
    "——<em>TOP</em><em>15</em>龙头矿企2024产量盘点"
  ]
}

前面的"铜矿偏紧能否支撑铜价再创新高？"部分神秘消失了！这不仅影响用户体验，还可能导致搜索结果展示不完整。

🔍 深度解析：为什么会发生截断？

1. Elasticsearch的高亮默认行为

Elasticsearch设计高亮功能时，默认目的是返回最相关的文本片段，而不是整个字段内容。这是为了在大段文本中快速定位匹配位置。

2. 分词器的特殊处理

横线符号（—、-、–等）在大多数分词器中被视为分隔符。这意味着："A——B"可能被分词器处理为[“A”, “B”]两个独立的词条。

3. 片段生成算法

Elasticsearch的高亮算法：

• 寻找包含匹配词条的文本区域
• 根据fragment_size（默认100字符）截取片段
• 优先返回包含匹配词的部分

当匹配词"TOP15"位于标题后半部分时，算法可能只返回从横线开始的内容。

🛠️ 五种解决方案实战

方案一：使用number_of_fragments=0（推荐）

这是最简单且最有效的解决方案，特别适合标题等短文本字段：

GET your_index/_search
{
   
   
  "query": {
   
   
    "match": {
   
   
      "title": "TOP15"
    }
  },
  "highlight": {
   
   
    "fields": {
   
   
      "title": {
   
   
        "number_of_fragments": 0,  // 关键参数：返回完整字段
        "pre_tags": ["<strong class='highlight'>"],
        "post_tags": ["</strong>"]