Question

将solr.jar与Apache Solr 3.6下载中的示例一起使用，HTML标记不会被剥离。

在schema.xml中，我添加了以下内容：

<!-- A text field that only splits on whitespace for exact matching of words -->
<fieldType name="text_html" class="solr.TextField" positionIncrementGap="100">
  <analyzer>
    <charFilter class="solr.HTMLStripCharFilterFactory"/>
    <tokenizer class="solr.StandardTokenizerFactory"/>
  </analyzer>
</fieldType>

<field name="title" type="text_html" indexed="true" stored="true" multiValued="true"/>

另外，我将以下JSON发布到SOLR：

[
{
    "id" : "978-064172344522",

    "title":"my <a href=\"www.foo.bar\">link</a>  power-shot PowerShot USC Utility <br>hello</br> Rejections Under 35 U.S.C. 101 and 35 U.S.C. 112, First Paragraph Petitions to correct inventorship of an issued patent are decided by the <Underline>Supervisory Patent Examiner</Underline>, as set forth"

}

重新启动SOLR后，我进行了强力搜索，结果仍显示HTML标记

 <result name="response" numFound="1" start="0" maxScore="0.13561106">
 <doc>
 <float name="score">0.13561106</float>
 <str name="id">978-064172344522</str>
 <arr name="title">
 <str>my <a href="www.foo.bar">link</a> power-shot PowerShot USC Utility <br>hello</br>

这里缺少什么？

Answer 1

您看到的是最初发送给Solr的存储字段。例如，如果您搜索'title：href'，则不应该找到该文档，因为在Analyzer链中应删除html内容

HTML解析器在SOLR 3.6中不起作用

1 个答案: