我想为HTML内容创建一个全文搜索索引（更具体地说：XHTML格式的EPUB章节）。像这样：
...
<p>Lorem ipsum <b>dolor</b> sit amet, consectetur adipiscing elit.</p>
...
问题是我需要以某种方式匹配文本的位置（如xpath）和搜索结果，因为我需要将阅读器软件定位到正确的位置。 我需要像突出显示功能这样的功能，但不是突出显示的文本，而是给出匹配的突出显示位置。 所以，如果我搜索＆＃34; dolor＆＃34;它给出了这样的东西：
matches:[
...
{"match":"dolor", "xpath":"//*[@id="lipsum"]/p[1]/b"}
...
]
标准场景（我随处可见）像带有过滤器的条带html字符，然后是标记化等，这里不适用，因为它在第一步中丢失了位置信息。
有什么建议吗？ Solr或ElasticSearch甚至可以实现这一点吗？谢谢！
答案 0 :(得分：0)
你的问题是关于xhtml-Dokument突出显示的xpath。
我不知道solr或elasticsearch中正在运行的解决方案。 eXtensible Text Framework（'OFF'）中有一些非常相似的东西，它建立在Lucene的旧版本之上。 在XTF中，您可以在原始xml-File中获取highlighting as tags。所以写一个xsl-Transformation来生成相应的xpath应该很容易。
简而言之，主要思想是将EPUB-book拆分为重叠块，并将xml-structure作为特殊字符存储在索引和存储字段中。通过突出显示信息，您可以重新转换原始xml结构以查找xpath。