elasticsearch 如何索引html内容，保持位置（如xpath、css选择器等）

我想为HTML内容创建全文搜索索引（更具体地说：XHTML格式的EPUB章节）。像这样：

...
<p>Lorem ipsum <b>dolor</b> sit amet, consectetur adipiscing elit.</p>
...

标准场景（我在任何地方都能找到）如带过滤器的stripHTML字符，然后标记化等等，在这里不适用，因为它在第一步中丢失了位置信息

---

有什么建议吗？这在Solr或ElasticSearch中可能吗？谢谢

您的问题是关于xhtml文档突出显示后的xpath

我不知道solr或elasticsearch中是否有正在运行的解决方案。在（'XTF'）中有一些非常类似的东西，它构建在Lucene（旧版本）的基础上。 在XTF中，您可以在原始xml文件中获取。因此，编写xsl转换来生成相应的XPath应该很容易

---

简言之，主要思想是将EPUB书籍分割成重叠的块，并将xml结构作为特殊字符存储在索引和存储字段中。通过突出显示信息，您可以重新转换原始xml结构以查找xpath。

您的问题是关于xhtml文档突出显示后的xpath

我不知道solr或elasticsearch中是否有正在运行的解决方案。在（'XTF'）中有一些非常类似的东西，它构建在Lucene（旧版本）的基础上。 在XTF中，您可以在原始xml文件中获取。因此，编写xsl转换来生成相应的XPath应该很容易

简言之，主要思想是将EPUB书籍分割成重叠的块，并将xml结构作为特殊字符存储在索引和存储字段中。通过突出显示信息，您可以重新转换原始xml结构以查找XPath

matches:[
...
  {"match":"dolor", "xpath":"//*[@id="lipsum"]/p[1]/b"}
...
]