我正在使用一个索引，其中混合了文档，有些可能包含自定义标签，例如：
<custom-tag attr="value" />“到此结束的长句”
<custom-tag attr="value" />“到此结束的长句<custom-tag-2 attr="value2" />”<another-custom-tag attr="value" />“另一个到此结束的长句<another-custom-tag attr=value />”
我应该找到完全不知道标签名称和属性的完全匹配。构建这样一个假设的查询，我首先想到的是正则表达式，例如：
regex(<[^>]*>?“到此结束的长句”
将返回第一个文档，并且
regex(<[^>]*>?“到此结束的长句regex(<[^>]*>?”
将返回第二个文档。
这是我可以用Lucene 3.x实现的吗？我什至考虑迁移到Lucene 4.8 Beta，如果它是合理的。
有人处理过类似的事情吗？我应该考虑哪些陷阱？
我想最简单的方法是存储相同的文本，但从第二个字段上的标签中剥离出来，然后在那个字段上执行搜索。我很感激任何意见或建议。