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:elasticsearch 如何索引html内容,保持位置(如xpath、css选择器等),elasticsearch,solr,lucene,elasticsearch,Solr,Lucene,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
...
<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"}
...
]