Indexing 当通过URL索引时，如何删除SOLR Indexes[content field]内容中的脚本和样式？

每当Solr被索引到集合（使用configSet

sample\u techproducts\u configs

）并使用URL时，通过以下命令：

bin/post -p 8983 -c collection https://www.mywebsite.com -recursive 3 

创建的索引确实有一个字段

内容

复制到

文本

字段。 此字段确实具有使用嵌入式tika parse解析的网页内容的值

但是，当这些网页包含任何

或

标签时，

将被删除，但这些标签中的脚本或样式将保留为网页的内容，并在响应Solr查询时显示

---

如何删除这些不需要的内容？

请阅读

SimplePostTool

中

DATA\u MODE\u WEB

的

inputstream

（仅限内容类型为“text/html”的用户，删除所有

和

标记及其内容，然后使用

stringToStream（String）再次将该内容字符串转换为流）

在

readPageFromUrl（URL u）

函数中