solr - 如何使用提取器插件中的 css 引擎访问内部 html 内容以进行过滤过程

Question

我已经为 Apache Nutch 和 Solr 配置了用于过滤 html 内容的提取器插件。我如何能够使用 css 引擎或 xpath 引擎访问内部 div 内容。提前致谢。

Answer 1

Just use the "text" function. For instance if your html is look like this:

<div class="target">
    Hello <span>World!</span>
</div>

Then your extract-to rule is similar to this:

<extract-to field="my-field">
   <text>
       <expr value=".target"/>
   </text>
</extract-to>