› › ›

HTML strip 字符过滤器

HTML strip 字符过滤器编辑

从文本中去除 HTML 元素，并将 HTML 实体替换为其解码值（例如，将 & 替换为 &）。

html_strip 过滤器使用 Lucene 的 HTMLStripCharFilter。

示例编辑

以下分析 API 请求使用 html_strip 过滤器将文本 I'm so happy! 更改为 \nI'm so happy!\n。

response = client.indices.analyze(
  body: {
    tokenizer: 'keyword',
    char_filter: [
      'html_strip'
    ],
    text: 'I&apos;m so happy</b>!</p>'
  }
)
puts response

GET /_analyze
{
  "tokenizer": "keyword",
  "char_filter": [
    "html_strip"
  ],
  "text": "<p>I&apos;m so <b>happy</b>!</p>"
}

该过滤器生成以下文本

[ \nI'm so happy!\n ]

添加到分析器编辑

以下创建索引 API 请求使用 html_strip 过滤器配置新的自定义分析器。

response = client.indices.create(
  index: 'my-index-000001',
  body: {
    settings: {
      analysis: {
        analyzer: {
          my_analyzer: {
            tokenizer: 'keyword',
            char_filter: [
              'html_strip'
            ]
          }
        }
      }
    }
  }
)
puts response

PUT /my-index-000001
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "keyword",
          "char_filter": [
            "html_strip"
          ]
        }
      }
    }
  }
}

可配置参数编辑

escaped_tags: （可选，字符串数组）不带尖括号 (< >) 的 HTML 元素数组。从文本中去除 HTML 时，过滤器会跳过这些 HTML 元素。例如，值为 [ "p" ] 会跳过  HTML 元素。

自定义编辑

要自定义 html_strip 过滤器，请复制它以创建新的自定义字符过滤器的基础。您可以使用其可配置参数修改过滤器。

以下创建索引 API 请求使用自定义 html_strip 过滤器 my_custom_html_strip_char_filter 配置新的自定义分析器。

my_custom_html_strip_char_filter 过滤器跳过对  HTML 元素的删除。

response = client.indices.create(
  index: 'my-index-000001',
  body: {
    settings: {
      analysis: {
        analyzer: {
          my_analyzer: {
            tokenizer: 'keyword',
            char_filter: [
              'my_custom_html_strip_char_filter'
            ]
          }
        },
        char_filter: {
          my_custom_html_strip_char_filter: {
            type: 'html_strip',
            escaped_tags: [
              'b'
            ]
          }
        }
      }
    }
  }
)
puts response

PUT my-index-000001
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "keyword",
          "char_filter": [
            "my_custom_html_strip_char_filter"
          ]
        }
      },
      "char_filter": {
        "my_custom_html_strip_char_filter": {
          "type": "html_strip",
          "escaped_tags": [
            "b"
          ]
        }
      }
    }
  }
}

« 字符过滤器参考映射字符过滤器 »