Elasticsearch使用jcseg分词插件遇到的高亮highlight问题

问题描述

在使用jcseg分词插件，并且需要高亮关键词的时候遇到es查询报错：
invalid token offsets exception : Token 11月 15日 exceeds length of provided text sized 14

问题是这样的：现在发现分词会将“11月15日”变成“11月 15日”，在中间加了一个空格。这样一来，在高亮的时候，使用position标记的时候就会偏移。比如在“我11月15日去看电影”中搜索的关键字“11月15日”，高亮后的结果是“11月15日去”。当“11月15日”在句子末尾的时候，就会直接报错。

解决办法

索引分词模式，由jcseg_nlp，改成jcseg_complex，然后重新建索引

除此之外，还遇到 原文“三万”，分词后变成“30000”的问题，不过经过查看jcseg的配置文件，发现是它的一个功能：将中文数字转成阿拉伯数字。
在配置文件中将这个功能关闭，然后重启ES，重建索引，就解决了这个问题。