如何索引solr中的部分字段内容

Question

有没有办法在SOLR中对字段的部分内容创建索引？

例如，假设我们有一个这样的字段：

<field name="document_text"><![CDATA[
<h1>This is my title</h1>
<p>This is document content</p>
 ]] </field>

我们只想在<h1>代码内容上创建和编制索引。

我查看了<copyField>指令，但它仅用于连接单个索引中的多个字段。

我没有找到任何方法在SOLR中本地执行此操作。

Answer 1

根据输入的格式，您可以将copyField指令应用于使用PatternReplaceCharFilter定义的字段作为第一个过滤器以及正则表达式，删除未包含在标记内的所有内容。虽然使用正则表达式解析HTML通常是一个坏主意，但在这种情况下它可能会“足够好”。

您还可以在编制索引时应用UpdateProcessor链，您可以在其中使用更多的代码来执行XPath提取或其他HTML解析 - 具体取决于您编写该链的方式。