solr - 使用 Lucene 分析器链接 Solr HTMLStripCharFilter

Question

我想用 FrenchAnalyzer 索引 Html 文本，所以我需要在分析它之前去除 Html。

我想在搜索后突出显示关键字所以solution like this one不起作用，因为我想保留字符位置信息。

我发现 SolR HTMLStripCharFilter 类看起来很完美，但我无法将它与 FrenchAnalyzer 链接起来。

我试图重写 FrenchAnalyzer，但我不知道如何使用 HtmlStripCharFilter，而且它不能作为标准 Lucene 过滤器工作。

我正在使用没有 Solr 的 Lucene 3.5.0

Answer 1

在您的 Analyzer 子类中尝试覆盖 initReader。您可能希望将 stripHtml bool 参数添加到分析器的构造函数中，然后在 initReader 中使用此条件。

/**
 * Override this if you want to add a CharFilter chain.
 */
@Override
protected Reader initReader(Reader reader) {
    if (stripHtml) {
        return new HTMLStripCharFilter(CharReader.get(reader));
    } else {
        return reader;
    }
}