Solr 索引CJK和strip HTML标记

我正在使用eZ Find，eZ Publish to solr的前端，对一些包含日语文本和html标记的字段进行索引

我在schema.xml中修改了文本分析器，如下所示：

<fieldType name="text" class="solr.TextField">
    <analyzer>
        <charFilter class="solr.HTMLStripCharFilterFactory"/>
        <tokenizer class="solr.CJKTokenizerFactory"/>
    </analyzer>
</fieldType>

如何防止HTML标记被索引

提前感谢。

通过使用，您只能阻止HTML标记被“索引”，而不能阻止HTML标记被“存储”

换句话说，您将获得

的结果すもももももももものうち"（当然带有HTML标记），但不适用于
“すもももももももものうち
 “

注意：假设您在搜索过程中不会去掉html标记

如果不希望这些HTML标记被索引，可以使用

您的配置可能如下所示：

    <analyzer>
        <charFilter class="solr.PatternReplaceCharFilterFactory" 
                    pattern="Your regular expression to match HTML tags" 
                    replacement=""/>
        <tokenizer class="solr.CJKTokenizerFactory"/>
    </analyzer>

谢谢！事实上，存储字符串和索引字符串是不同的。因为我只关心索引字符串，所以我的当前设置很好，但正则表达式的技巧很好。
<str name="attr_free_1_t"><h1>ほげほげ<h1><p>すもももももももものうち</p></str>

    <analyzer>
        <charFilter class="solr.PatternReplaceCharFilterFactory" 
                    pattern="Your regular expression to match HTML tags" 
                    replacement=""/>
        <tokenizer class="solr.CJKTokenizerFactory"/>
    </analyzer>