本文介绍如何通过自定义 normalizer 提取纯数字并映射为 keyword 类型字段，从而支持对含符号（如 +、-、字母）的电话号码进行高效范围查询，避免因字符串类型导致 range 查询失效的问题。
本文介绍如何通过自定义 normalizer 提取纯数字并映射为 keyword 类型字段，从而支持对含符号（如 +、-、字母）的电话号码进行高效范围查询，避免因字符串类型导致 range 查询失效的问题。
在 Elasticsearch 中，对电话号码等含非数字字符（如 +233-333-3444）的文本执行数值型范围查询（range）时，若仅依赖 text 类型 + 自定义 analyzer（如移除非数字字符），仍无法成功——因为 analyzer 仅作用于索引/搜索时的分词与归一化过程，最终存储的仍是字符串值，而 range 查询要求目标字段必须是数值类型（如 long）或可按字典序比较的 keyword 字段（前提是内容本身为纯数字字符串且长度一致）。
但直接将解析后的数字存为 long 类型存在隐患：电话号码可能超 long 范围（如国际号码超 19 位），且前导零会丢失（00123 → 123），破坏语义完整性。因此，更稳健的方案是：使用 normalizer 预处理原始文本，生成一个纯数字的 keyword 子字段，并在此字段上执行 range 查询。
✅ 正确实现步骤
1. 定义 char_filter 清洗非数字字符
在索引设置中声明 pattern_replace 类型的 char_filter，匹配所有非数字字符（[^0-9]）并替换为空字符串：
"char_filter": {
"digits-only": {
"type": "pattern_replace",
"pattern": "[^0-9]",
"replacement": ""
}
}
2. 创建 normalizer 应用清洗逻辑
normalizer 在 keyword 字段索引和搜索时自动执行字符过滤（注意：normalizer 仅适用于 keyword 类型，不支持 text）：
Elasticsearch 9.4.1 Linux 版本现已开放下载，这是官方最新发布的分布式搜索与分析引擎。Linux 版本全面支持 x86_64 与 aarch64 架构，提供 .tar.gz、.deb 及 .rpm 多种安装包格式，可灵活适配 Ubuntu、CentOS、Debian 等主流发行版。该版本延续了 9.4 系列的核心特性，包括原生 Prometheus 支持、正式版 Elastic Workflows 以及基于 NVIDIA cuVS 的 GPU 加速向量索引，索引吞吐量最高提升 12
"normalizer": {
"digits-only": {
"type": "custom",
"char_filter": ["digits-only"]
}
}
3. 映射主字段及其 digits-only 子字段
将 phone-num 主字段设为 text（支持全文检索），同时添加 digits-only 子字段为 keyword 类型，并绑定上述 normalizer：
"mappings": {
"properties": {
"phone-num": {
"type": "text",
"fields": {
"digits-only": {
"type": "keyword",
"normalizer": "digits-only"
}
}
}
}
}
4. 执行 range 查询（字符串字典序有效）
由于 phone-num.digits-only 是 keyword 类型且内容为纯数字字符串（如 "2333333444"），Elasticsearch 可对其执行 range 查询——前提是所有号码位数对齐（如补零）或确保字典序与数值序一致。对于无前导零的国际号码（如 2333333444），字典序范围查询结果与数值序一致：
GET /phone-numbers-index/_search
{
"query": {
"range": {
"phone-num.digits-only": {
"gt": "1",
"lte": "2333333444"
}
}
}
}
⚠️ 注意事项：
- normalizer 不支持 analyzer 的分词能力，仅做字符级预处理，正适合本场景；
- digits-only 字段不可被 match 查询，但完全兼容 term、terms 和 range（针对字符串）；
- 若需严格数值比较（如支持 +00123 → 123 且保留前导零语义），应改用 long 或 integer 类型，并在写入时由应用层完成清洗与转换（推荐）；
- 索引创建后修改 mapping 需重建索引，建议在设计初期明确字段用途。
综上，通过 normalizer + keyword 组合，既规避了 text 字段无法 range 查询的限制，又避免了 long 类型的精度与语义风险，是处理带格式电话号码范围检索的最佳实践。
