elasticsearchインデックスからHTMLコンテンツを除外するにはどうすればよいですか？

Question

私はElasticsearchを使用していて、WebRequestを使用して独自のラッパーを作成しています（NEST（通常の選択）は困惑してアイテムを挿入し、生成されたIDを返すことができないようです）。

とにかく - 一般的な方法で問題はありません。しかし、どのHTMLコンテンツもそのままインデックスされます。つまり、フィールドに<strong>test</strong>がある場合、クエリ「強」を検索するとそのアイテムが返されます。

私は私が見つけたランダム掲示板投稿に基づいて、elasticsearch.ymlでこれを入れている：

index: 
    analysis: 
     analyzer: 
      htmlContentAnalyzer: 
       type: custom 
       tokenizer: standard 
       filter: standard 
       char_filter: html_strip 

その後、私はアイテムタイプ「ニュース」、私のインデックスのコンテンツ 'のthuslyマッピングを作成します：

PUT http://localhost:9200/content/news/_mapping 

{ 
    "news" : { 
     "properties" : { 
      "TextContent" : { 
       "type" : "string", 
       "index" : "analyzed", 
       "analyzer" : "htmlContentAnalyzer", 
       "store" : "yes" 
       } 
      } 
     } 
    } 
} 

store/yesはただ "楽しい" のために、それは違いはありませんです。上記は私に200 OKを与える。

ただし、検索でも同じ結果が返されます。

これは、elasticsearchのドキュメントが厄介なように見えることです。このページをチェックしてください：それはあなたのマッピングが何であるかの簡単な要約を与える、と言う

http://www.elasticsearch.org/guide/reference/api/admin-indices-put-mapping.html

詳細は、このページつまり、マッピング部にあります。

http://www.elasticsearch.org/guide/reference/mapping/

を..本当にひどいと思われる。 「プロパティ」、「タイプ」、「アナライザ」、「インデックス」などは何も言及されていません。右のメニューにはいくつかのセクションがあります。 "_index"が、アイテム全体を参照しているように見えますか？それはどこに指摘されていますか？

だから私の質問は2つの面上にある：

• は、私は（、およびエンティティ私は推測する属性値）HTMLタグをどのように停止するかをインデックス化していますか？ - 私はまだHTMLを保存したい、あなたを念頭に置いて
• elasticsearch info/documentationの良いソースはありますか？それとも超秘密のデコーダーグラスなしで見ていますか？ #elasticsearch（freenodeのIRC）にchrismaleするすべてのクレジットで

Answer 1

-

_allに対して検索には良いです：独自の解析でインデックス化されています。私のTextContentフィールドの質問は、特に期待どおりに機能しました。