Question

在我的数据库中，我有一个包含html文档的字段。现在必须有可能在这个文件中搜索。但是，可能找不到html标记。所以当我有这样的事情时：

<html>
  <head>
    <title>Bar</title>
  </head>
  <body>
   <p>
     this content my be found
   </p>
  </body>
</html>

存储在数据库中的文档可能不是xhtml。你能告诉我搜索内容的最佳方法是什么吗？我应该使用正则表达式吗？那么，它会是什么样子？如果没有，我还应该使用其他什么？

Answer 1

您可以尝试启用Full-Text Search或使用Lucene.Net之类的内容为您索引内容。

Answer 2

有多少记录？我希望您可能必须使用全文搜索和IFilter来有效地执行此操作。 Html不适合正则表达式 - 很快就可以很难做到非常简单。

如果卷不是很大，你可以使用外部解析应用程序迭代记录，使用HTML Agility Pack（用于.NET）或任何其他您选择的DOM。

但是FTS / IFilter将是我的首选。