Lucene.NET搜索突出显示尊重HTML标签

我试图在一个 HTML块中突出显示搜索词,问题是如果用户搜索“颜色”,这个：

< span style ='color：white'>白色< / span>

变为：
< span style ='< b> color< / b>：white’>< b> White< / b>< / span>

显然,弄乱我的风格并不是一个好主意.

这是我正在使用的代码：

Query parsedQuery = parser.Parse(luceneQuery);
        StandardAnalyzer Analyzer = new StandardAnalyzer();
        SimpleHTMLFormatter formatter = new SimpleHTMLFormatter("<b class='search'>","</b>");

        Queryscorer scorer = new Queryscorer(parsedQuery);
        Highlighter Highlighter = new Highlighter(formatter,scorer);

        Highlighter.SetTextFragmenter(new SimpleFragmenter());
        Highlighter.GetBestFragment(Analyzer,propertyName,invocation.ReturnValue.ToString())

我猜测问题是我需要一个不同的Fragmenter,但我不确定.任何帮助,将不胜感激.

解决方法

我想我想通了……

我将StandardAnalyzer子类化并将TokenStream更改为：

public override Lucene.Net.Analysis.TokenStream TokenStream(string fieldName,System.IO.TextReader reader)
    {
        var start = base.TokenStream(fieldName,reader);
        HtmlStripCharFilter filter = new HtmlStripCharFilter(reader);
        TokenStream result = new StandardFilter(filter);
        return new StopFilter(new LowerCaseFilter(result),this.stopSet);
    }

并实现了HtmlStripCharFilter：

public class HtmlStripCharFilter : Lucene.Net.Analysis.CharTokenizer
{
    private bool inTag = false;

    public HtmlStripCharFilter(TextReader input)
        : base(input)
    {
    }

    protected override bool IsTokenChar(char c)
    {
        if (c == '<' && inTag == false)
        {
            inTag = true;
            return false;
        }
        if (c == '>' && inTag)
        {
            inTag = false;
            return false;
        }

        return !inTag && !Char.IsWhiteSpace(c);
    }
}

它朝着正确的方向前进,但在完成之前还需要做更多的工作.如果有人有更好的解决方案(阅读“TESTED”解决方案),我很乐意听到它.

原文地址：https://www.jb51.cc/html/227089.html