html - 使用 solr 进行 HTML 索引

Question

我试图弄清楚是否可以索引一段 html 并将属性作为元数据与 solr 关联到该内容。例如：

<div class="TODO">Content that needs to be indexed</div>
<div class="FIXME">Fix the broken</div>

上述 div 块的内容需要与 div 块的类名关联进行索引。

Answer 1

我不认为你能做到这一点。Solr 确实有一个去除所有 HTML 编码的 HTML 剥离器。

不过，您需要自己解析这些段。

如果您为每个段创建一个 solr 文档，则可以轻松添加元数据。在一个文档中，您只有可以使用的字段，具体取决于您选择的 div 类，您将在其中添加段。

Answer 2

要将数据添加到 solr，必须使格式适应 solr 格式。

您将 xml 转换为 solr。你可以使用 XSLT。

你的结果应该是这样的：

<add>
  <doc>
    <field name="TODO">Content that needs to be indexed</field>
    <field name="FIXME">Fix the broken</field>
  </doc>
</add>

在这里您可以看到如何在 solr xml 中索引数据。

查看这个 solr 指南。