如何在 Solr 中突出显示包含 html 的字段中的查询词答案

【问题标题】：How to highlight a query term in a field containing html in Solr如何在 Solr 中突出显示包含 html 的字段中的查询词
【发布时间】：2015-08-12 09:29:34
【问题描述】：

我有一个正文字段，其中可能包含来自富文本编辑器的 html 文本。我希望能够从中返回突出显示的 sn-ps，但去掉了 html。

获取下面被索引的文本：

some text here with words and other text

如果您搜索“单词”，您可能会得到以下突出显示 sn-p（取决于片段长度等）：

class="something">some text here with words and other text 或者 class="something">some text here with words and other text

HTML 被分割的地方，会导致前端出现渲染问题。我想在应用突出显示之前去掉 html。我尝试了不同的突出显示组件，但没有看到任何可以解决问题的属性。

我是否需要在索引之前剥离 HTML？ 或者有其他技术可以解决这个问题吗？

目前我正在使用 HTMLStripCharFilterFactory 在索引时去除 HTML，但突出显示组件使用的是原始 html 的底层存储数据。

【问题讨论】：

标签： solr

【解决方案1】：

我也有同样的问题，得出的结论是，唯一的办法就是使用两个字段，例如：

例如，在 C# 中，我会使用 HtmlAgilityPack 将 HTML 加载到文档中，然后在根节点上调用 .Text。

应该存储这两个字段，以便您可以将纯文本字段用于片段，将 html 字段用于当您希望突出显示整个字段时。

我查看了 Solr 和 ElasticSearch，发现没有内置方法，因为突出显示是在存储的任何内容上执行的。

【讨论】：

感谢您添加答案 - 已将其标记为其他遇到此问题的人。
pholly 和 @IanRoutledge -- 您能否确认即使是用户 "char_filter" : ["html_strip"] 的分析器也不会在这里提供帮助，因为分析器只会影响分析内容的方式（标记化等）（和/或如何分析查询）；分析器不会影响它的存储方式，并且由于 stored 值对高亮片段很重要，因此分析器无法修复此高亮 -碎片问题？