将带有 HTML 值的 CSV 导入 Solr答案

【问题标题】：Import CSV with HTML values into Solr将带有 HTML 值的 CSV 导入 Solr
【发布时间】：2016-02-24 03:52:03
【问题描述】：

我有一个 CSV 文件要导入到 Solr。它有 HTMLText 列，其中包含带有 HTML 标记的英文文本。

我应该如何写我的schema.xml 才能正确导入此列？我正在使用示例模式 XML，在其中我看到了通用文本字段类型和英语字段类型，但我没有看到 HTML 的字段类型。

我知道post 命令允许你发布整个 HTML 文档，所以大概有一个字段解析器来处理这个，但我不知道它是什么。

Solr 中是否有内置的 HTML 解析器类型，或者我应该从我的HTMLText 列中去除 HTML 标记？

【问题讨论】：

【解决方案1】：

您可以将 HTMLStripCharFilterFactory 应用于字段，这将在任何标记化发生之前剥离任何 HTML。

它会丢弃 cmets 和属性，所以它是否完全适合取决于您期望的最终结果。

【讨论】：