Lucene.NET Buscar resaltado que respete las etiquetas HTML

Question

Estoy tratando de resaltar los términos de búsqueda en un bloque de HTML, el problema es que si un usuario hace una búsqueda de "color", esto:

< span style =' Color: blanco '> blanca </span >

se convierte en: estilo < lapso =' <b> de color </b >: blanco' > <b> blanca </b > </span >

y obviamente, arruinar mi estilo no es una buena idea.

Aquí está el código que estoy utilizando:

 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()) 

estoy adivinando el problema es que necesito un fragmentador diferente, pero no estoy seguro. Cualquier ayuda sería apreciada.

Answer 1

Creo que lo he descubierto ...

I subclases StandardAnalyzer y cambiaron TokenStream a esto:

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); 
    } 

e implementado HtmlStripCharFilter como:

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); 
    } 
} 

Se dirige a la derecha dirección, pero aún necesita mucho más trabajo antes de que se haga. Si alguien tiene una solución mejor (léase solución "PROBADA") Me encantaría escucharla.