使用 Solr 返回网页摘要

Question

我已经使用 Nutch 成功爬取了一个网站，并尝试使用 Solr 作为索引器/搜索器返回突出显示的摘要。因此，如果我查询“海洋”，那么我想仅从包含该查询词的网页文本（不是标题或 URL）中返回一个 20-30 字的摘要。

我已将 Nutch schema.xml 复制为我的 Solr schema.xml。

所以我有两个问题： 1. Nutch schema.xml 中的“content”字段是网页正文元素的字段吗？ 2. 如果这个字段没有被存储，有没有办法让 Solr 在搜索时检索那个字段，以便突出显示？

Answer 1

1. 我已经很久没有使用 Nutch，但我认为假设“内容”是您要突出显示的字段是相当安全的。

2. 您需要存储该字段才能使用突出显示，如果您想使用FastVectorHighlighting，您需要为该字段启用以下属性：termVectors、termPositions 和 termOffsets。

   李>

如果您使用 FVH，您还可以在 Solr 3.5 及更高版本中使用边界扫描仪。