这取决于你所说的“特殊字符”是什么意思，以及你可能有什么其他的要求。但是下面的内容可能会给予你你所需要的，或者给你指出正确的方向。
以下示例均假定Lucene版本为8.4.1。

基本示例

从您给出的非常具体的例子开始，其中doc-size type应该被索引为docsize和type，下面是一个定制的分析器：

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.Tokenizer;
import org.apache.lucene.analysis.TokenStream;
import org.apache.lucene.analysis.core.WhitespaceTokenizer;
import org.apache.lucene.analysis.pattern.PatternReplaceFilter;
import java.util.regex.Pattern;

public class MyAnalyzer extends Analyzer {

    @Override
    protected TokenStreamComponents createComponents(String fieldName) {
        final Tokenizer source = new WhitespaceTokenizer();
        TokenStream tokenStream = source;
        Pattern p = Pattern.compile("\\-");
        boolean replaceAll = Boolean.TRUE;
        tokenStream = new PatternReplaceFilter(tokenStream, p, "", replaceAll);
        return new TokenStreamComponents(source, tokenStream);
    }  
}

它使用PatternReplaceFilter在空格上拆分，然后删除连字符，其工作方式如下所示（我使用和作为分隔符来显示空格可能是输入/输出的一部分）：

Input text:
｢doc-size type｣

Output tokens:
｢docsize｣
｢type｣

注意-这将删除 * 所有 * 标准键盘 * 连字符-但不包括长破折号、短破折号等。它将删除这些标准连字符，而不管它们出现在文本中的什么位置（单词开头、单词结尾、单独等等）。

一组标点符号

您可以根据需要更改图案以覆盖更多标点符号，例如：

Pattern p = Pattern.compile("[$^-]");

这将执行以下操作：

Input text:
｢doc-size type $foo^bar｣

Output tokens:
｢docsize｣
｢type｣
｢foobar｣

所有非字符或数字的内容
您可以使用以下命令删除所有非字符或数字的内容：

Pattern p = Pattern.compile("[^A-Za-z0-9]");

这将执行以下操作：

Input text:
｢doc-size 123 %^&*{} type $foo^bar｣

Output tokens:
｢docsize｣
｢123｣
｢｣
｢type｣
｢foobar｣

请注意，在结果标记中有一个空字符串。
警告：上述方法是否适用，主要取决于您的具体要求。例如，您可能需要执行额外的转换来处理大小写差异-即在索引文本时通常需要考虑的常见问题。

关于标准分析仪的注意事项

StandardAnalyzer实际上 * 确实 * 删除了单词中的连字符（有一些模糊的例外）。在你的问题中，你提到它没有删除它们。标准分析器使用标准的标记器。标准标记器实现了Unicode文本分割算法中的断字规则，如这里所指定的。有一节讨论了如何处理单词中的连字符。
因此，标准分析器将执行以下操作：

Input text:
｢doc-size type｣

Output tokens:
｢doc｣
｢size｣
｢type｣

这应该适用于doc和doctype的搜索--问题只是它是否能满足您的需要。
我知道这可能不是您想要的。但是如果您可以避免需要构建自定义分析器，那么生活可能会简单得多。