Lucene.Net。 如何搜索HTML实体

Question

如何在lucene.net中搜索html实体？

我在数字html实体中的所有索引，所以如果我搜索示例“34”它会来&#<b>34</b>;

同样非常有趣的是，如何使用不同的单词在SQL中搜索不同的字段。 例如搜索短语“word1 word2”

SELECT * FROM table WHERE 
title LIKE 'word1%' OR title LIKE 'word2%' OR 
description LIKE'word1%' OR description LIKE 'word2%'

Answer 1

它归结为你如何存储它。 存储文档时，您似乎正在存储HTML 并在其上进行搜索。

我建议您有两个单独的字段：

• 一个存储原始HTML，但没有分析（没有必要搜索标记，是吗？）
• 一个包含为搜索而处理的HTML。 此字段不存储，但它进行了分析。

为了填充第二个字段，您应该通过HTML Agility Pack之类的东西来运行HTML，以获取您正在存储/处理的HTML节点的内部文本，然后通过HttpUtility.HtmlDecode方法运行该文本以获取文本HTML实体代表您可以实际分析和搜索的内容。

然后，您可以在分析的字段中搜索您想要的任何内容，而无需执行任何特殊操作，然后从存储原始HTML的字段中检索内容。

关于通配符搜索，它们是受支持的，您只需适当地构建查询 （假设您使用的是QueryParser ）。 请注意，默认情况下不启用通配符前缀。