如何在solr中搜索html标签？

Question

我用apache nutch爬行网站，并将其索引到Apache Solr.i不知道如何搜索与solr网站和html标签之间的字符串？ 谢谢

Answer 1

最简单的方法是从HTML中提取数据并索引提取的数据。您可以使用HTMLStripCharFilterFactory从输入流中去除HTML。

<analyzer> 
    <charFilter class="solr.HTMLStripCharFilterFactory"/> 
    <tokenizer class="solr.StandardTokenizerFactory"/> 
</analyzer>