CFSearch + Solr：検索でHTMLを無視する

Question

私は問題があり、Googleはそれほど手助けしていません。 ColdFusion（9）でSolrインデックスを検索しながらHTMLを無視する方法を見つけようとしています。

たとえば、microsoftを検索してインデックスにMicrosoft© makes Windows®が含まれている場合、実際の結果を表示するのではなく、「Microsoft©Windows®」を検索するよう求められます。

以下に示すように、文字列をcfsearchの基準プロパティに渡していますが、これを行うことで（私が考えている）「汚れた」結果が生成されます。

<cfsearch 
     collection="mycollection" 
     criteria="microsoft" 
     name="results" 
     maxrows="100" 
     suggestions="always" 
     contexthighlightbegin="<strong>" 
     contextHighlightEnd="</strong>" 
     contextPassages="3" 
     /> 

私はSolr's query syntaxのドキュメントを見てきたが、私はこの問題を回避する方法で私に飛び出し何も表示されません。

インデックスに「フラット」バージョンのテキストを表示するか、©/®/™などのHTML文字列を避ける方法がありますか？

私は提案があります。

- ブライアン。

Answer 1

：この質問のための

解決策ではなく、インデックス内のHTMLを回避しようとするよりも、インデックスの別の方法を使用することでした。私は、新しいフィールドを作成したデータベース内

がindex_searchと呼ばれ、自分のアプリケーション内で私のinsertメソッドで、私は特別な（ER）の文字を省略する正規表現を使用："[^[:word:].[:space:]-]"

そこから、私はにindex_searchフィールドを通過しましたHTMLに包まれ、近くに単語やフレーズを検索する場合、またはこのメソッドが期待される出力を生成使用

<cfindex 
    collection="mycollection" 
    action="update" 
    body="name_search,html_description" 
    title="name_html" 
    key="UUID" 
    query="data"> 

：cfindexの体とは、タイトルとしてHTMLの名前を使用しました。 IE：を検索すると、その中にMicrosoft©のすべての結果がリストされます。

Answer 2

検索に使用しているソルフィールドが文字列フィールドタイプで、テキストではないことを確認します（トークン化やその他のテキスト解析を許可します）。詳細については、this questionを参照してください。

実際にHTMLをストリッピングする際に問題が発生する場合は、フィールドタイプの設定にHTMLStripCharFilterFactoryを追加する必要があります。これは、インデックスフィールドからHTMLタグを取り除きます。同じ質問に直面するかもしれない人のため