Apache Solr 提取，根据查询突出显示 HTML 个元素，过滤查询词

Question

更新。 (+18d) 编辑标题并提供解决原始问题的答案。

tl/dr

我正在索引 HTML 页面并将 ... 内容转储为搜索查询 return 的片段。但是，我不想要/不需要所有这些内容（只是查询匹配文本周围的上下文）。

背景

在我的[经典]架构中有了这些，

<fieldType name="text_general" class="solr.TextField" positionIncrementGap="100" 
autoGeneratePhraseQueries="true" multiValued="true">

<field name="p" type="text_general" indexed="true" stored="true" multiValued="true" 
omitNorms="true" termVectors="true" />

这些在我的 solrconfig.xml

<str name="queryAnalyzerFieldType">text_general</str>

<updateProcessor class="solr.AddSchemaFieldsUpdateProcessorFactory" name="add-schema-fields">
  <lst name="typeMapping">
    <str name="valueClass">java.lang.String</str>
    <str name="fieldType">text_general</str>
    <lst name="copyField">
      <str name="dest">*_str</str>
      <int name="maxChars">256</int>
    </lst>
    ...

<initParams path="/update/**,/query,/select,/spell">
  <lst name="defaults">
    <str name="df">_text_</str>
  </lst>
</initParams>

<requestHandler name="/update/extract"
class="org.apache.solr.handler.extraction.ExtractingRequestHandler">
  <lst name="defaults">
    <str name="lowernames">true</str>
    <str name="uprefix">ignored_</str>
    <str name="capture">div</str>
    <str name="fmap.div">div</str>
    <str name="capture">p</str>
    <str name="fmap.p">p</str>
    <str name="processor">uuid,remove-blank,field-name-mutating,parse-boolean,
               parse-long,parse-double,parse-date</str>
  </lst>
</requestHandler>

<requestHandler name="/query" class="solr.SearchHandler">
  <lst name="defaults">
    <str name="echoParams">explicit</str>
    <str name="wt">json</str>
    <str name="indent">true</str>
  </lst>
</requestHandler>

<queryResponseWriter name="json" class="solr.JSONResponseWriter">
  <!-- For the purposes of the tutorial, JSON responses are written as
   plain text so that they are easy to read in *any* browser.
   If you expect a MIME type of "application/json" just remove this override.
  -->
  <str name="content-type">text/plain; charset=UTF-8</str>
</queryResponseWriter>

我得到了这个结果 [Solr Admin UI;此处显示传真],

"p":["Sentence 1. Sentence 2. Sentence 3. Sentence 4. ..."]

在源文件 HTML 中，这些句子单独出现在 p-tags 中，例如Sentence 1., Sentence 1., ...

问题

如何单独索引它们？我的理由是我想显示搜索结果目标周围的上下文片段（而不是整个 p-tagged 内容）。
此外，在 Linux grep 命令中我们可以，例如， return 匹配行前后的一行 (-C1,语境、论点）。我们可以在这里做类似的事情吗？

即，如果 Solr 查询匹配在句子 2 中，则该片段将包含句子 1-3？

我尝试将唯一 ID 分配给 p-elements（... ... 但我刚在 Solr 中得到这个，

"p":["a Sentence 1. b Sentence 2. Sentence d 3. Sentence d 4. ..."]

Answer 1

更新 [2020-12-31]

请忽略我自己的问题的回答，因为 18 天过去了，一条评论没有答案。

我正在构建一个以 Solr 作为后端的搜索页面，灵感来自以下 Ajax Solr 教程。 https://github.com/evolvingweb/ajax-solr

最终，我决定放弃 Solr 突出显示，转而采用更灵活的定制 JavaScript (JS) 解决方案。

基本上，我：

收集数组中的 Solr 查询 (q) 和过滤器查询 (fq) 值（术语）（如下所示的简化示例；附加了更完整的 JS 代码）
```
for (var i = 0, l = this.manager.response.response.docs.length; i < l; i++) {
 var doc = this.manager.response.response.docs[i];
}
```
通过 JS 正则表达式提取匹配这些术语（单词）的句子
```
var mySentences = doc_p.replace(/([.?!])\s*(?=['"A-Z])/g, "|").split("|");
```
其中 doc.p 是一个 Solr 字段（在 schema.xml 中定义）对应于索引 HTML p 元素 (
...
) 文本。
- 详情：见Split string into sentences in javascript

突出显示那些查询字词

var query = this.manager.store.get('q').value;  /* or loop over array */

const replacer = (str, replace) => {
    const re = new RegExp(`(${replace})`, 'gi')
    return str.replaceAll(re, '<font style="background:#FFFF99"></font>')
}
var doc_p_hl = replacer(doc.p.toString(), query);

详情：见

使用那些术语突出显示的字符串作为前端的片段
在完整文档中应用类似的方法来突出显示查询词，doc.p.toString() ...

附录

这是我编写的用于在数组中收集 Solr“q”和“fq”项的 JS 代码。请注意，Solr returns 单个 fq 作为字符串，多个 fq 项作为数组。

var q_arr = [];
var fq_arr = [];
var highlight_arr = [];
var snippets_arr = [];
var fq_vals = [];

if ((this.manager.store.get('q').value !== undefined) &&
    (this.manager.store.get('q').value !== '*:*')) {
    query = this.manager.store.get('q').value;
    q_arr.push(query);
    highlight_arr.push(query);
    console.log('q_arr:', q_arr, '| type:', typeof q_arr, '| length:', q_arr.length)
}

var doc_responseHeader = this.manager.response.responseHeader;
if (doc_responseHeader.params.fq !== undefined) {

    /* ONE "fq" (FILTER QUERY) TERM: */
    if (typeof doc_responseHeader.params.fq === 'string' ||
        doc_responseHeader.params.fq instanceof String) {
        fq_arr.push(doc_responseHeader.params.fq);
    }

    /* MORE THAN ONE "fq" (FILTER QUERY) TERM: */
    if  (typeof doc_responseHeader.params.fq === 'object' ||
        doc_responseHeader.params.fq instanceof Object) {

        for (var i = 0, l = doc_responseHeader.params.fq.length; i < l; i++) {
            fq_arr.push(doc_responseHeader.params.fq[i].toString());
        }
    }

    fq_vals = fq_arr.map(function(x){return x.replace(/keywords:/g, '');})
    console.log('fq_vals', fq_vals, '| type:', typeof fq_vals, '| length:', fq_vals.length)

    for (var i = 0, l = fq_vals.length; i < l; i++) {
        highlight_arr.push(fq_vals[i].toString());
    }
}

Apache Solr 提取，根据查询突出显示 HTML 个元素，过滤查询词

Apache Solr extract, highlight HTML elements based on query, filter query terms

html

javascript

ajax

solr