如何处理SOLR中的高亮片段中的html标签

Question

我使用SOLR点击突出显示功能来设置与查询匹配的文档中的突出显示。

问题是其中一个字段包含有效的HTML，但返回的高亮片段不是有效的HTML，这就是渲染整个页面布局被破坏后的原因。

例如查询field:lucene给我这个文件：

<p><a href="/some/link">Here is the discussion, what the difference between SOLR, Elasticsearch and Lucene</a></p>

精彩片段是Elasticsearch and <em>Lucene</em></a></p>。

我尝试设置片段大小= 0（返回整个字段内容）的选项之一，但它可能非常大，我只需要几个片段用于结果页面。

另一种选择是删除所有HTML标记并以纯文本显示代码段，但我需要<em>标记才能突出显示。还有一些标签可以像</p那样在片段中被破坏，这意味着我们不能为此目的使用html解析器。

这似乎是搜索中的一个常见问题，是否有一些最先进的方法来处理它？<​​/ p>

Answer 1

通常的解决方案是在编制索引之前在途中删除HTML（例如using the HTMLCharFilter）。这样，您就可以使用纯文本字段突出显示，并使用嵌入的<em>标记显示结果。

然后，您可以使用copyField使HTML表示的字段保持不变，而不包含HTML的字段（用于突出显示）。