如何在Solr中包含html的字段中突出显示查询字词

Question

我有一个可以包含富文本编辑器中的html文本的正文字段。我希望能够从中返回突出显示的片段，但是html被剥离了。

获取索引的下方文字：

<p class="something">some text here with words and other text</p>

如果您搜索＆＃39;单词＆＃39;，您可能会获得以下高亮显示片段（取决于片段长度等）：

class="something">some text here with <em>words</em> and other text</p> 要么 class="something">some text here with <em>words</em> and other text

HTML被拆分的地方，这会导致前端出现渲染问题。我想在应用突出显示之前删除html。我尝试过不同的突出显示组件，但没有看到任何属性可以做到这一点。

我需要在编制索引之前删除HTML吗？或者还有其他技巧吗？

目前我正在使用HTMLStripCharFilterFactory在索引时删除HTML，但突出显示组件使用底层存储数据，即原始html。

Answer 1

我也有同样的问题，并得出结论，唯一的方法是使用两个字段，例如：

1. content_html：原始html，使用HtmlStripCharFilterFactory，因此只需将html内容编入索引/标记化
2. content_stripped：仅限文本内容，将用于突出显示的片段

在C＃中，我使用HtmlAgilityPack将HTML加载到文档中，然后在根节点上调用.Text。

这两个字段都应该存储，以便您可以使用仅文本字段的片段和html字段，以便在需要突出显示整个字段时使用。

我查看了Solr和ElasticSearch以及我发现的内容没有内置方式，因为突出显示是对存储的内容进行的。

相关：Solr Strip html when highlighting with stored html fields

相关：How to handle html tags in highlight fragment in SOLR