HTML Strip in Elastic Search [英] HTML Strip in Elastic Search

问题描述

我有一个包含 html 标签的属性的文档。我想在索引之前删除 html 。

我发现这个 htmlstrip- charfilter ，但我无法找到使用此示例。我是新的弹性搜索和分析器概念。

谢谢

解决方案

p>请检查以下链接：

 ＃分析文字：< b> quick< / b>bröwn < img src =fox/>& quot; jumped& quot; 
 
 curl -XPUT'http://127.0.0.1:9200/foo/'-d'
 {
index：{
analysis： {
analyzer：{
test_1：{
char_filter：[
html_strip
]，
标准
}，
test_2：{
filter：[
standard，
smallcase，
stop 
asciifolding
]，
char_filter：[
html_strip
]，
tokenizer：standard
 } 
} 
} 
} 
} 
'
 
 curl -XGET'http://127.0.0.1:9200/foo/ ？_analyze格式=文本&安培;文本=的+％板3Cb％3Equick％3C％2FB％3E + BR％C3％B6wn +％3Cimg + SRC％3D％22fox％22％2F％3E +％26quot％3Bjumped％26quot％3B&安培;分析器=标准'
 
＃tok ens：[b：5-> 6：< ALPHANUM>] 
＃
＃3：
＃[quick：7-> 12：< ALPHANUM>] 
＃
＃4：
＃[b：14-> 15：< ALPHANUM>] 
＃
＃5：
＃[br wn：17-> 22：< ALPHANUM] 
＃
＃6：
＃[img：24-> 27：< ALPHANUM>] 
＃
＃7：
＃[src：28-> 31：< ALPHANUM>] 
＃
＃8：
＃[fox：33-> 36 ：< ALPHANUM>] 
＃
＃9：
＃[41：45：< ALPHANUM>] 
＃
＃10：
＃[jumped& quot; 46-> 57：< COMPANY>] 
＃
＃} 
 
 curl -XGET'http：//127.0。 0.1：9200 /富/ _analyze格式=文本&安培;文本=的+％板3Cb％3Equick％3C％2FB％3E + BR％C3％B6wn +％3Cimg + SRC％3D％22fox％22％2F％3E +％26quot％3Bjumped％？ 26quot％3B& analyzer = test_1'
 
＃{
＃tokens：[the：0-> 3：< ALPHANUM>] 
＃
＃2：
＃[quick：7-&12;< ALPHANUM>] 
＃
＃3：
＃[br¶wn： 17-> 22：< ALPHANUM] 
＃
＃4：
＃[跳跃：46-> 52：< ALPHANUM>] 
＃
＃$ $ $ $ $ $ $ $ $ $ $ C3％B6wn +％3Cimg + src％3D％22fox％22％2F％3E +％26quot％3Bjumped％26quot％3B& analyzer = test_2'
 
＃{
＃tokens [快速：7-> 12：< ALPHANUM>] 
＃
＃3：
＃[brown：17-> 22：< ALPHANUM>] 
＃ 
＃4：
＃[跳跃：46-> 52：< ALPHANUM>] 
＃
＃} 
  / pre> 
 
 
  https：//gist.github。 com / clintongormley / 780895  
 
 
 
感谢clintongormley 
 
I have a document with property that contains html tags. I want to remove html before indexing. 

I found this htmlstrip-charfilter but I can't find example in using this. I'm new to elastic search and analyzer concept.

Thanks
解决方案
Please check the link below:
# Analyze text: "the <b>quick</b> bröwn <img src="fox"/> &quot;jumped&quot;"

curl -XPUT 'http://127.0.0.1:9200/foo/'  -d '
{
   "index" : {
      "analysis" : {
         "analyzer" : {
            "test_1" : {
               "char_filter" : [
                  "html_strip"
               ],
               "tokenizer" : "standard"
            },
            "test_2" : {
               "filter" : [
                  "standard",
                  "lowercase",
                  "stop",
                  "asciifolding"
               ],
               "char_filter" : [
                  "html_strip"
               ],
               "tokenizer" : "standard"
            }
         }
      }
   }
}
'

curl -XGET 'http://127.0.0.1:9200/foo/_analyze?format=text&text=the+%3Cb%3Equick%3C%2Fb%3E+br%C3%B6wn+%3Cimg+src%3D%22fox%22%2F%3E+%26quot%3Bjumped%26quot%3B&analyzer=standard' 

#    "tokens" : "[b:5->6:<ALPHANUM>]
#    
#    3: 
#    [quick:7->12:<ALPHANUM>]
#    
#    4: 
#    [b:14->15:<ALPHANUM>]
#    
#    5: 
#    [bröwn:17->22:<ALPHANUM>]
#    
#    6: 
#    [img:24->27:<ALPHANUM>]
#    
#    7: 
#    [src:28->31:<ALPHANUM>]
#    
#    8: 
#    [fox:33->36:<ALPHANUM>]
#    
#    9: 
#    [quot:41->45:<ALPHANUM>]
#    
#    10: 
#    [jumped&quot:46->57:<COMPANY>]
#    "
# }

curl -XGET 'http://127.0.0.1:9200/foo/_analyze?format=text&text=the+%3Cb%3Equick%3C%2Fb%3E+br%C3%B6wn+%3Cimg+src%3D%22fox%22%2F%3E+%26quot%3Bjumped%26quot%3B&analyzer=test_1' 

# {
#    "tokens" : "[the:0->3:<ALPHANUM>]
#    
#    2: 
#    [quick:7->12:<ALPHANUM>]
#    
#    3: 
#    [bröwn:17->22:<ALPHANUM>]
#    
#    4: 
#    [jumped:46->52:<ALPHANUM>]
#    "
# }

curl -XGET 'http://127.0.0.1:9200/foo/_analyze?format=text&text=the+%3Cb%3Equick%3C%2Fb%3E+br%C3%B6wn+%3Cimg+src%3D%22fox%22%2F%3E+%26quot%3Bjumped%26quot%3B&analyzer=test_2' 

# {
#    "tokens" : "[quick:7->12:<ALPHANUM>]
#    
#    3: 
#    [brown:17->22:<ALPHANUM>]
#    
#    4: 
#    [jumped:46->52:<ALPHANUM>]
#    "
# }
https://gist.github.com/clintongormley/780895

Thanks to clintongormley

                        
这篇关于HTML Strip in Elastic Search的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！