Mediawiki + Lucene：如何剥离标记？

Question

我将Lucene搜索扩展程序（http://www.mediawiki.org/wiki/Extension_talk:Lucene-search）与我的mediawiki安装集成在一起。然而，lucene似乎已经将所有的mediawiki / html标记编入索引，并且它显示在结果中。

即。搜索“绿色”将返回带有标记的结果，例如，style =“background：green; color：white

有没有办法去除所有标记的搜索结果？我相信维基百科使用相同的搜索插件，他们是如何做到的？

Answer 1

在使用Lucene索引之前，您可能需要转换原始wiki标记。处理纯XML内容时，可以使用带有<xsl:value-of select="text()"/>的XSL转换来提取文本内容。

我担心这对wiki标记不起作用，但也许你可以在HTML转换后捕获页面？

Answer 2

我找到了部分问题的解决方案。以下更改将从搜索结果中删除HTML标记。我还没能删除Wikitext标记。任何提示都将不胜感激。请注意，我不使用Lucene搜索扩展名。

• 打开/includes/search/SearchEngine.php
• 在该文件中，定义了一个类 - SearchResult
• SearchResult.getTextSnippet（）包含格式化搜索结果的代码
• SearchResult-＆gt; mText包含搜索结果中的文字blurb 要解决这个问题，只需进入SearchEngine.php并找到名为getTextSnippet（）的方法，然后在“if”之前添加以下行：

$ this-＆gt; mText = strip_tags（$ this-＆gt; mText）;

我在这个随机的Wiki上找到了这个解决方案：http://www.myrandomwiki.com/wiki/MediaWiki_Notes#Strip_HTML_From_Search_Results