Necesito proporcionar una búsqueda de texto completo en los archivos fuente de JavaScript y resaltar los resultados.Cómo indexar el código fuente con ElasticSearch
Mi pregunta es ¿qué combinación de tokenizadores y analizadores ElasticSearch existentes sería la mejor para esto?
Pregunta interesante pero no conozco una solución lista para usar. Puede usar un tokenizer WordDelimiter como puede especificar, p. el guión bajo que se maneja como un dígito y luego funciona como hello_world (o helloWorld si se habilita camelcase) se podrá buscar a través de hello o world.
Pero dudo que los resultados son suficientes ... y usted tendrá que aplicar un código which extracts the syntax treesource code analyzer yourself o el uso de nombres y cuerpos de los métodos índice en diferentes campos
A menos que usted desea exponer esto como un servicio a alguien, le recomendaría que instale el complemento InstaSearch en eclipse; este plugin crea el índice de Lucense y te da resultados instantáneos.
Puede usar el attachment type plugin para cargar los archivos en Elasticsearch y dejar que indexe los archivos. Puede manejar metadatos para los archivos e indexar el contenido de los archivos.
El github page incluye información sobre cómo resaltar los documentos de búsqueda.
Como desarrollador de un código fuente de búsqueda, ¿realmente desea encontrar hello_world o helloWorld con solo "hola" o simplemente "mundo"? En nuestro caso, al menos, tenemos una búsqueda elástica para todos nuestros repositorios de código, y generalmente buscamos una ortografía específica de un método específico para todos ellos, por ejemplo, al actualizar nuestro marco central que todos usan. –