使用Lucene索引XML（DITA）文件并查询属性值

Question

我们正在尝试使用Lucene在AEM中实现XML（DITA）文件的复杂索引。现在，全文索引支持搜索。

例如： 在下面的文档中，所有文本均被提取并建立索引，以方便对文档内容进行全文查询。

<concept id="lawnmowerconcept" xml:lang="en-us">
<title>Lawnmower</title>
<conbody product="mower25h">
    <p>The lawnmower is a machine used to cut grass in the yard. Lawnmowers can be electric, gas-powered, or manual.</p>
</conbody>
</concept>

现在，要求是还允许进行专门的XML搜索。例如：

• 用户可以按元素名称搜索。例如el：conbody-这仅应返回包含<conbody>元素的文档。
• 用户可以按属性名称进行搜索。例如。 @product =”％” –仅应返回将product属性应用于其至少一个元素的文档。请注意，我们并不关心此属性的值。
• 用户可以按属性名称/值对进行搜索。例如。 @ product =” mower25h” –仅应返回将product属性应用于值至少为mower25h的元素之一的文档。

实现的最佳方法是什么？

• 继续使用全文本索引，但使用自定义的Lucene Analyzer保留XML标记。例如。 <title>Lawnmower</title>将分解为<title>, Lawnmower, </title>，而不会除去特殊字符。

• 使用自定义分析器创建一个新的全文本索引，该分析器将剥离所有文本内容，并且仅索引元素，属性名称和属性值。两个索引可以交集吗？ 例如像el：p =％lawnmower％这样的查询将返回上面的文档，因为它有一个带有割草机文本的<p>元素。

• 还是我应该完全避免使用AEM Lucene，而最好选择像Solr这样的外部索引？