0

在露天，我需要编写一个 lucene 查询，这样它必须在搜索时从内容中消除/排除 xml 标签。

示例 如果针对内容搜索文件 try.xml，我的搜索不应搜索 xml 标记。

try.xml
<sample>This is an example</sample>

如果我将搜索文本指定为“sample”，则不应返回文件名“try.xml”。那么我怎么能做到这一点呢？

编辑

我已尝试使用以下查询，但没有任何变化。

@cm\:name:"try*" -TEXT:"<*>" +TEXT:"sample"

上面的查询有什么问题。我只是试图获取以“try”开头的文件名并消除标签内的文本，并尝试搜索文本“sample”。

4

3 回答 3

1

默认情况下，Alfresco 将 XML 文件视为纯文本并将 xml 标签作为单词进行索引，这就是为什么可以通过全文搜索找到它们的原因。XML 内容由 Alfresco 中的 StringExtractingContentTransformer 处理，它在索引之前将 text/xml 转换为 text/plain。

要检查在您的 Alfresco 安装中注册了哪些转换器，您可以检查 http://localhost:8080/alfresco/service/mimetypes?mimetype=text/xml#text/xml

为了防止 xml 属性的索引，您必须编写一个特殊的转换器来去除 XML 标记。有关使用 Alfresco 进行内容转换的介绍，请参阅http://wiki.alfresco.com/wiki/Content_Transformations。最简单的方法是集成一个将 xml 文件转换为文本的命令行实用程序，或者您可以实现一个执行转换的 java 类。

于 2011-04-06T11:10:01.517 回答
0

你不能只排除 xml mimetype 吗？（有关语法，请参见http://wiki.alfresco.com/wiki/Search#Finding_nodes_by_content_mimetype ）

我猜你可能也想排除 html（所以你会排除 text/html 和 text/xml），这会阻止你在结果中获得任何包含 xml 标签的节点。

于 2011-04-02T10:32:13.047 回答
0

没有标准的方法来做你需要的，这里是官方文档的摘录：

通配符查询 使用 * 和 ? 的通配符查询 是作为术语和短语的支持。对于标记化的字段，模式匹配不能精确，因为所有非标记字符（空格、标点符号等）都将丢失并被视为相等。

基本上，尖括号在默认情况下会被去掉。您需要破解索引和查询解析过程以启用您想要的行为。

于 2011-03-25T08:54:02.667 回答