使用存储的html字段高亮显示时，Solr剥离html

在rails中使用Solr和太阳黑子

我正在使用如下字段类型搜索html字段：

<fieldType name="text_html" class="solr.TextField" omitNorms="false">
  <analyzer>
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <charFilter class="solr.HTMLStripCharFilterFactory"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.ISOLatin1AccentFilterFactory"/>
    <filter class="solr.PorterStemFilterFactory"/>
  </analyzer>
</fieldType>

<fieldType name="text_html" class="solr.TextField" omitNorms="false">
  <analyzer>
    <charFilter class="solr.HTMLStripCharFilterFactory"/>
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.ISOLatin1AccentFilterFactory"/>
    <filter class="solr.PorterStemFilterFactory"/>
  </analyzer>
</fieldType>

然后我执行搜索并使用存储字段，以便在结果中返回突出显示的文本。我遇到的问题是，存储值中包含原始html文本。例如：对“新闻”的搜索返回：

社区连接到@@@hl@@@news@@@endhl@@@、体育、本地交易和所有最新对话。\n\n

然后我想用html包装的标记替换标记@@@hl@@、@@@endhl@@@

我是否需要自己手动去除原始的html标记（div等）标记，还是有办法让存储的值已经去除html标记

我知道如何手动执行此操作，只是想确保schema.xml或solrconfig.xml中没有遗漏某些内容

---

谢谢

在插入Solr之前或从索引中检索之后，您需要手动剥离数据/格式。in-Solr针对该字段运行，并在将令牌/术语插入该文档的索引之前或在查询处理期间对传递的值执行操作。但是，它将始终存储用于返回的字段值，并以原始形式传递查询结果

---

如果您碰巧使用将数据加载到Solr中，它将提供和/或您可以利用删除html标记。

在插入Solr之前或从索引检索之后，您需要手动删除该数据/格式。in-Solr针对该字段运行，并在将令牌/术语插入该文档的索引之前或在查询处理期间对传递的值执行操作。但是，它将始终存储用于返回的字段值，并以原始形式传递查询结果

---

如果您碰巧使用将数据加载到Solr中，它提供了一个和/或您可以利用来删除html标记。

对于我的项目，我还需要在索引之前剥离html标记，我的google搜索首先将我带到了这里。在短暂访问Paige Cook链接的文档后，我发现了您的

schema.xml

可能存在的问题

根据，

标记必须位于

标记之前

所以我觉得你应该有这样的东西：

<fieldType name="text_html" class="solr.TextField" omitNorms="false">
  <analyzer>
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <charFilter class="solr.HTMLStripCharFilterFactory"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.ISOLatin1AccentFilterFactory"/>
    <filter class="solr.PorterStemFilterFactory"/>
  </analyzer>
</fieldType>

<fieldType name="text_html" class="solr.TextField" omitNorms="false">
  <analyzer>
    <charFilter class="solr.HTMLStripCharFilterFactory"/>
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.ISOLatin1AccentFilterFactory"/>
    <filter class="solr.PorterStemFilterFactory"/>
  </analyzer>
</fieldType>

---

对于我的项目，我还需要在编制索引之前剥离HTML标记，而我的谷歌搜索首先将我带到了这里。在短暂访问Paige Cook链接的文档后，我发现了您的

schema.xml

可能存在的问题

根据，

标记必须位于

标记之前

所以我觉得你应该有这样的东西：

<fieldType name="text_html" class="solr.TextField" omitNorms="false">
  <analyzer>
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <charFilter class="solr.HTMLStripCharFilterFactory"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.ISOLatin1AccentFilterFactory"/>
    <filter class="solr.PorterStemFilterFactory"/>
  </analyzer>
</fieldType>

<fieldType name="text_html" class="solr.TextField" omitNorms="false">
  <analyzer>
    <charFilter class="solr.HTMLStripCharFilterFactory"/>
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.ISOLatin1AccentFilterFactory"/>
    <filter class="solr.PorterStemFilterFactory"/>
  </analyzer>
</fieldType>

谢谢，我会在进去的路上把它们脱掉。谢谢，我会在进去的路上把它们脱掉。