1

如何在 lucene.net 中搜索 html 实体？

我在数字 html 实体中的所有索引，所以如果我搜索例如“34”，它就会出现&#<b>34</b>;

同样非常有趣的是，如何像在 SQL 中一样使用不同的词在不同的字段中进行搜索。例如搜索短语“word1 word2”

SELECT * FROM table WHERE 
title LIKE 'word1%' OR title LIKE 'word2%' OR 
description LIKE'word1%' OR description LIKE 'word2%'
4

1 回答 1

3

这取决于你如何存储它。当您存储文档时，看起来您正在存储 HTML并在其上进行搜索。

我建议您有两个单独的字段：

  • 一个存储原始 HTML，但不对其进行分析（不需要在标记上搜索，是吗？）
  • 一个包含为搜索而处理的 HTML。该字段不被存储，但被分析。

为了填充第二个字段，您应该通过HTML Agility Pack之类的东西运行 HTML，以获取您正在存储/处理的 HTML 节点的内部文本，然后通过该HttpUtility.HtmlDecode方法运行该文本以获取 HTML实体表示您可以实际分析和搜索的实体。

然后，您可以在分析的字段中搜索您想要的任何内容，而无需执行任何特殊操作，然后从存储原始 HTML 的字段中检索内容。

关于通配符搜索，它们是受支持的，您只需要适当地构建您的查询（假设您使用的是 a QueryParser）。请注意，默认情况下不启用通配符前缀。

于 2012-10-03T13:08:47.813 回答