Elasticsearch 索引 html 文档有什么比较好的实践方案
NULL2020 · 2020-08-17 10:52:53 +08:00 · 1733 次点击这是一个创建于 1544 天前的主题，其中的信息可能已经有所发展或是发生改变。
索引的时候，可以自定义分词，添加 html_strip 过滤掉 html 标签不分词，但文档的 _source 里面还是会有 html 标签，因为需要做高亮，命中的高亮文本是从 _source 里面取的，如果命中的文本前后有 html 标签，则返回的高亮文本里也有可能会有标签，并且标签还有可能被截断，这就导致返回给前端无法准确展示。
数据使用 Logstash pipeline 从 mysql 同步到 es，目前想到的一个方案是在 pipeline 里加了 mutate，把所有 html 标签全部过滤掉，这样返回给前端的就只是纯文本，粗略看了下索引数据，基本满足要求。
如果不在数据写入 es 前过滤掉标签，有没有办法在搜索返回时过滤掉标签？
mutate 只是把 html 标签过滤掉，文档里还有些 url 链接（并可能带 url 参数），好像也会被索引到，有没有办法不索引 url 及后面的 url 参数。
以上，一般搜索引擎里如何实现把 html 标签过滤掉，同时返回的数据能够提供前端友好地展示?
数据使用 Logstash pipeline 从 mysql 同步到 es，目前想到的一个方案是在 pipeline 里加了 mutate，把所有 html 标签全部过滤掉，这样返回给前端的就只是纯文本，粗略看了下索引数据，基本满足要求。
如果不在数据写入 es 前过滤掉标签，有没有办法在搜索返回时过滤掉标签？
mutate 只是把 html 标签过滤掉，文档里还有些 url 链接（并可能带 url 参数），好像也会被索引到，有没有办法不索引 url 及后面的 url 参数。
以上，一般搜索引擎里如何实现把 html 标签过滤掉，同时返回的数据能够提供前端友好地展示?
Select Language