Javascript 如何修改Elasticsearch文档的_源字段

问题：有没有办法从文档的源中清除html？ html的剥离可以是周期性的、触发的，或者理想情况下是在索引时进行的

我将数据输入到elasticsearch中，并根据一个分析器进行索引，该分析器在索引之前剥离不需要的htmls标记

在查询时/获取其_source字段，该字段包含返回给客户端的htmls的原始内容

注:

• 在传递给elasticsearch之前，我无法清理数据，我无法控制这一点
• 我的客户端从elasticsearch检索数据时，可以在呈现数据之前使用javascript进行剥离，但也不是一个选项

---

\u源代码只存储已编制索引的JSON。你不能改变它

现在，如果您想在索引和按原样存储内容之前完全去掉html，可以使用mapper附件插件，在该插件中定义映射时，可以将内容类型分类为“html”

mapper附件在很多方面都很有用，特别是在处理多个文档类型时，但最值得注意的是——我认为仅使用它剥离html标记就足够了（这是html_strip char过滤器无法做到的）

不过，这只是一个预先警告——不会存储任何html标记。因此，如果您确实需要这些标记，我建议您定义另一个字段来存储原始内容。另一个注意事项：不能为映射器附件文档指定多字段，因此需要将其存储在映射器附件文档之外。请参见下面的工作示例

您需要生成以下映射：

{
  "html5-es" : {
    "aliases" : { },
    "mappings" : {
      "document" : {
        "properties" : {
          "delete" : {
            "type" : "boolean"
          },
          "file" : {
            "type" : "attachment",
            "fields" : {
              "content" : {
                "type" : "string",
                "store" : true,
                "term_vector" : "with_positions_offsets",
                "analyzer" : "autocomplete"
              },
              "author" : {
                "type" : "string",
                "store" : true,
                "term_vector" : "with_positions_offsets"
              },
              "title" : {
                "type" : "string",
                "store" : true,
                "term_vector" : "with_positions_offsets",
                "analyzer" : "autocomplete"
              },
              "name" : {
                "type" : "string"
              },
              "date" : {
                "type" : "date",
               "format" : "strict_date_optional_time||epoch_millis"
              },
              "keywords" : {
                "type" : "string"
              },
              "content_type" : {
                "type" : "string"
              },
          "content_length" : {
                "type" : "integer"
              },
              "language" : {
                "type" : "string"
              }
            }
          },
          "hash_id" : {
            "type" : "string"
          },
          "path" : {
            "type" : "string"
          },
          "raw_content" : {
            "type" : "string",
            "store" : true,
            "term_vector" : "with_positions_offsets",
            "analyzer" : "raw"
          },
          "title" : {
            "type" : "string"
          }
        }
      }
    },
    "settings" : { //insert your own settings here },
    "warmers" : { }
  }
}

这样，在NEST中，我将按如下方式组装内容：

Attachment attachment = new Attachment();
attachment.Content =   Convert.ToBase64String(File.ReadAllBytes("path/to/document"));
attachment.ContentType = "html";

Document document = new Document();
document.File = attachment;
document.RawContent = InsertRawContentFromString(originalText);

我已经对此进行了测试，结果如下：

"file": {
    "_content": "PGh0bWwgeG1sbnM6TWFkQ2FwPSJodHRwOi8vd3d3Lm1hZGNhcHNvZnR3YXJlLmNvbS9TY2hlbWFzL01hZENhcC54c2QiPg0KICA8aGVhZCAvPg0KICA8Ym9keT4NCiAgICA8aDE+VG9waWMxMDwvaDE+DQogICAgPHA+RGVsZXRlIHRoaXMgdGV4dCBhbmQgcmVwbGFjZSBpdCB3aXRoIHlvdXIgb3duIGNvbnRlbnQuIENoZWNrIHlvdXIgbWFpbGJveC48L3A+DQogICAgPHA+wqA8L3A+DQogICAgPHA+YXNkZjwvcD4NCiAgICA8cD7CoDwvcD4NCiAgICA8cD4xMDwvcD4NCiAgICA8cD7CoDwvcD4NCiAgICA8cD5MYXZlbmRlci48L3A+DQogICAgPHA+wqA8L3A+DQogICAgPHA+MTAvNiAxMjowMzwvcD4NCiAgICA8cD7CoDwvcD4NCiAgICA8cD41IDA5PC9wPg0KICAgIDxwPsKgPC9wPg0KICAgIDxwPjExIDQ3PC9wPg0KICAgIDxwPsKgPC9wPg0KICAgIDxwPkhhbGxvd2VlbiBpcyBpbiBPY3RvYmVyLjwvcD4NCiAgICA8cD7CoDwvcD4NCiAgICA8cD5qb2c8L3A+DQogIDwvYm9keT4NCjwvaHRtbD4=",
    "_content_length": 0,
    "_content_type": "html",
    "_date": "0001-01-01T00:00:00",
    "_title": "Topic10"
},
"delete": false,
"raw_content": "<h1>Topic10</h1><p>Delete this text and replace it with your own content. Check your mailbox.</p><p> </p><p>asdf</p><p> </p><p>10</p><p> </p><p>Lavender.</p><p> </p><p>10/6 12:03</p><p> </p><p>5 09</p><p> </p><p>11 47</p><p> </p><p>Halloween is in October.</p><p> </p><p>jog</p>"
},
"highlight": {
"file.content": [
    "\n    <em>Topic10</em>\n\n    Delete this text and replace it with your own content. Check your mailbox.\n\n     \n\n    asdf\n\n     \n\n    10\n\n     \n\n    Lavender.\n\n     \n\n    10/6 12:03\n\n     \n\n    5 09\n\n     \n\n    11 47\n\n     \n\n    Halloween is in October.\n\n     \n\n    jog\n\n  "
    ]
}

“文件”：{
“_内容”："PGH0BWWGEG1SBNM6TWFKQ2FWPSJODHRWOI8VD3D3LM1HZGNCHNVZNR3YXJLLMNVBS9TY2HLBWFZL01HZENHCC54C2QIPG0KICA8AGVHZCAV0KICA8YM9KET4 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，
“\u内容\u长度”：0，
“\u内容\u类型”：“html”，
“_日期”：“0001-01-01T00:00:00”，
标题：“主题10”
},
“删除”：false，
“原始内容”：“主题10删除此文本，并将其替换为您自己的内容。检查你的邮箱。
<10/6 12:03<
},
“亮点”：{
“file.content”：[
“\n Topic10\n\n删除此文本并替换为您自己的内容。检查您的邮箱。\n\n\n\n asdf\n\n\n\n 10\n\n\n\n薰衣草。\n\n\n\n 10/6 12:03\n\n\n\n\n 5 09\n\n\n\n\n 11 47\n\n\n\n万圣节在十月。\n\n\n\n\n\n\n\n\n\n慢跑\n\n”
]
}

使用

transform

您可以编辑/更改

\u源代码

：。但请注意，从2.0.0开始，它已被弃用，无需更换。感谢@andrei stefan，理想情况下不是通过弃用的方式。另请注意，根据

transform

文档，“结果未存储在源代码中。”“。您无法更改源。”。_源包含您输入elasticsearch的数据。您定义的所有映射都是在输入json对象上设置的，但它们不会修改源代码。