solr如何对html实体进行过滤

Question

我在索引时间分析器中使用了 htmlStripCharater 过滤器，所以所有的 html 字符都被解码了，例如-® 将被索引为 ® 我已经这样做了，因为我们正在做一些内部 NLP 事情，它正在服务目的很好。

当我尝试执行过滤查询时出现问题。 示例我有一个品牌 - 你好世界®。当像 brand%3AhelloWorld%C2%AE solr 一样执行过滤器查询时，再次将 % 更改为 %25 。 所以查询实际上是 brand%253AhelloWorld%25C2%25AE ，我无法从 solr 获取数据。

知道如何解决这个问题吗？ 我正在使用旧的 solr 版本 4.10。

Answer 1

如果您使用的是DataImportHandler，则可以使用HTMLStripTransformer。

否则，您必须自己实现此客户端。如果您的客户端是 .NET，您可以使用 HtmlAgilityPack。