MongoDB富文档的全文搜索

Question

我正在开发一个Node.js应用程序，它将HTML文档存储在MongoDB数据库中，并希望提供全文搜索功能。从我可以看到MongoDB中包含的全文搜索期望文档是纯文本，因此不适合索引我的html文档。这个假设是否正确，如果是这样，人们会为此推荐什么。

从阅读其他SO posts弹性搜索似乎是最常见的路径。我不能说我对将Java应用程序纳入图片感到非常高兴。还有一个完全独立的应用程序不是我理想的情况。

Answer 1

你可以在HTML上抛出一些正则表达式，然后自己尝试从HTML中strip the markup。输出可以由MongoDB索引。

这可能比使用ES或Solr这样的搜索工具（这里确实超出范围）更容易开发，但它不会让你走得太远：简单地剥离HTML意味着上下文信息丢失，无效的HTML会导致麻烦。