Regex 在Solr中索引记录之前清除明文超链接_Regex_Solr

Regex 在Solr中索引记录之前清除明文超链接

regex solr

Regex 在Solr中索引记录之前清除明文超链接,regex,solr,Regex,Solr,我有一个字段，其内容用于从中生成面。我想解决的一个特殊问题是，我的一些内容包含纯文本的超链接，即http://google.com。因此，我开始将http视为我最重要的方面之一。如何确保在索引超链接内容之前过滤掉它？使用某种正则表达式过滤器我知道，当我将记录添加到Solr时，我可以在客户端完成这个预处理部分。但是，我希望保持所有内容的一致性，并且是Solr管道的一部分，因此，如果可能的话，我希望Solr预处理器能够为我做到这一点。我将使用以下组件解决此问题：将URL保留为标记将URL标记替

我有一个字段，其内容用于从中生成面。我想解决的一个特殊问题是，我的一些内容包含纯文本的超链接，即

http://google.com

。因此，我开始将

http

视为我最重要的方面之一。如何确保在索引超链接内容之前过滤掉它？使用某种正则表达式过滤器

我知道，当我将记录添加到Solr时，我可以在客户端完成这个预处理部分。但是，我希望保持所有内容的一致性，并且是Solr管道的一部分，因此，如果可能的话，我希望Solr预处理器能够为我做到这一点。

我将使用以下组件解决此问题：

将URL保留为标记

将URL标记替换为空字符串（搜索堆栈溢出以获得合适的正则表达式模式）

A过滤零长度令牌

在schema.xml中：

<analyzer type="index">
    <tokenizer class="solr.UAX29URLEmailTokenizerFactory" />
    <filter class="solr.PatternReplaceFilterFactory" pattern="..." replacement="" />
    <filter class="solr.LengthFilterFactory" min="1" max="1000" />
</analyzer>

请注意，从

solr.StandardTokenizerFactory

更改标记器可能会产生超出此答案所述的影响，因此请务必进行测试