如何从弹性搜索索引中排除HTML内容？

Question

我正在使用Elasticsearch，并使用WebRequest编写自己的包装器，因为NEST（通常的选择）令人费解地似乎缺乏插入项目并返回生成的ID的能力。

无论如何 - 一般方法没有问题。但是，任何HTML内容都按原样编入索引，即如果我在字段中有<strong>test</strong>，则搜索“strong”查询会返回该项目。

我把它放在elasticsearch.yml中，基于我发现的随机留言板帖子：

index:
    analysis:
        analyzer:
            htmlContentAnalyzer:
                type: custom
                tokenizer: standard
                filter: standard
                char_filter: html_strip

然后，我为我的索引'content'创建了一个映射，项目类型'news'：

PUT http://localhost:9200/content/news/_mapping

{
    "news" : {
        "properties" : {
            "TextContent" : {
                "type" : "string",
                "index" : "analyzed",
                "analyzer" : "htmlContentAnalyzer",
                "store" : "yes"
                }
            }
        }
    }
}

store / yes只是为了“有趣”，它没有任何区别。以上给我200 OK。

但是，搜索会返回相同的结果。

什么无济于事的弹性搜索文档似乎令人震惊。看看这个页面：

http://www.elasticsearch.org/guide/reference/api/admin-indices-put-mapping.html

它简要介绍了映射的内容，并在映射部分说明了更多详细信息，即此页面：

http://www.elasticsearch.org/guide/reference/mapping/

......这似乎真的太可怕了。没有提到我找到的格式/对象图 - 没有提到“属性”，“类型”，“分析器”，“索引”等。右侧菜单上有一些部分，例如“_index”，但它们似乎是指整个项目？那指出了哪里？

所以我的问题在两个方面：

• 如何停止索引的HTML标记（以及我猜的实体，属性值）？ - 我还想要存储HTML，请注意
• 有更好的弹性搜索信息/文档来源吗？或者我在没有超级秘密解码器眼镜的情况下看着它？

Answer 1

在#elasticsearch（freenode IRC）上全部归功于chrismale -

搜索_all并不好：用自己的分析器编制索引。查询我的TextContent字段特别按预期工作。