node.js - MongoDB 富文档全文搜索

Question

我正在开发一个 Node.js 应用程序，它将 HTML 文档存储在 MongoDB 数据库中，并希望提供全文搜索功能。从我可以看到 MongoDB 中包含的全文搜索期望文档是纯文本，因此不适合索引我的 html 文档。这个假设是否正确，如果是这样，人们对此有何建议。

从阅读其他SO 帖子来看，弹性搜索似乎是最推荐的路径。不过，我不能说我很高兴将 Java 应用程序带入图片中。拥有一个完全独立的应用程序也不是我的理想方案。

Answer 1

您可以在 HTML 中抛出一些正则表达式，并尝试自己从 HTML 中剥离标记。输出可以被 MongoDB 索引。

这可能比使用 ES 或 Solr 之类的搜索工具更容易开发（这确实超出了这里的范围），但它不会让你走得那么远：简单地剥离 HTML 意味着上下文信息丢失，并且 HTML 无效会导致麻烦。