我正在使用 Elasticsearch 構建 Markdown 檔案內容搜索。目前 MD 檔案中的全部內容都在 Elasticsearch 中建立了索引。但問題是，它顯示的結果是這樣[Mylink](https://link-url-here.org)，[Mylink2](another_page.md)
在搜索結果中。
我想防止索引超鏈接和參考其他頁面。當有人搜索“Mylink”時，它應該只回傳沒有 URL 的文本。如果有人能幫我找到正確的解決方案，那就太好了。
uj5u.com熱心網友回復：
您需要在索引應用程式中呈現 Markdown，然后洗掉 HTML 標簽并將其與 Markdown 源代碼一起保存。
uj5u.com熱心網友回復：
我認為你有兩個主要的解決方案來解決這個問題。第一：在將資料索引到 Elasticsearch 之前清理源代碼中的資料。第二：使用Elasticsearch過濾器為你清理資料。第一個解決方案很簡單，但如果您需要在 Elasticsearch 中執行此程序，則需要創建一個攝取管道。
然后您可以使用腳本處理器通過 ruby?? 腳本清理您需要的資料，該腳本可以找到您的正則運算式并將其洗掉
uj5u.com熱心網友回復：
您可以使用帶有腳本處理器的攝取管道來提取鏈接文本：
1.設定管道
PUT _ingest/pipeline/clean_links
{
"description": "...",
"processors": [
{
"script": {
"source": """
if (ctx["content"] == null) {
// nothing to do here
return
}
def content = ctx["content"];
Pattern pattern = /\[([^\]\[] )\](\(((?:[^\()] ) )\))/;
Matcher matcher = pattern.matcher(content);
def purged_content = matcher.replaceAll("$1");
ctx["purged_content"] = purged_content;
"""
}
}
]
}
正則運算式可以在這里測驗，并通過激發此。
2. 攝取檔案時包括管道
POST my-index/_doc?pipeline=clean_links
{
"content": "[Mylink](https://link-url-here.org) [anotherLink](http://dot.com)"
}
POST my-index/_doc?pipeline=clean_links
{
"content": "[Mylink2](another_page.md)"
}
python 檔案在這里。
3. 驗證
GET my-index/_search?filter_path=hits.hits._source
應該屈服
{
"hits" : {
"hits" : [
{
"_source" : {
"purged_content" : "Mylink anotherLink",
"content" : "[Mylink](https://link-url-here.org) [anotherLink](http://dot.com)"
}
},
{
"_source" : {
"purged_content" : "Mylink2",
"content" : "[Mylink2](another_page.md)"
}
}
]
}
}
你可以代替代替原來的content，如果你想從你完全放棄他們_source。
相反，您可以在另一個方向上更進一步，將文本 鏈接對存盤在表單的嵌套欄位中：
{
"content": "...",
"links": [
{
"text": "Mylink",
"href": "https://link-url-here.org"
},
...
]
}
這樣當您以后決定使它們可搜索時，您就可以精確地進行搜索。
無恥的插件：您可以在我的Elasticsearch 手冊 中找到其他動手攝取指南。
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/384922.html
上一篇：根據一個表中的唯一ID連接多個表