Lucene.NET 荧光笔插件突出显示奇怪

Question

我正在尝试将 Lucene.NET 荧光笔添加到我的搜索中，但是它做了一些非常奇怪的突出显示，我做错了什么？

这是突出显示的代码：

// stuff here to get scoreDocs

var content = doc.GetField("content").StringValue();
// content = "Lorem Ipsum is simply dummy text of the printing and typesetting industry. Lorem Ipsum has been"

  
var highlighter = new Highlighter(new StrongFormatter(), new HtmlEncoder(), new QueryScorer(query.Rewrite(indexSearcher.GetIndexReader())));
highlighter.SetTextFragmenter(new SimpleFragmenter(100));
var tokenStream = analyzer.TokenStream("content", new StringReader(content));

var bestFragment = highlighter.GetBestFragment(tokenStream, content);

搜索 "lorem" 给出了这个 bestFragment 值：

<strong>Lorem</strong> <strong>Ipsum</strong> is <strong>simply</strong> <strong>dummy</strong> <strong>text</strong> of the <strong>printing</strong> and <strong>typesetting</strong> <strong>industry</strong>. <strong>Lorem</strong> <strong>Ipsum</strong> <strong>has</strong> <strong>been</strong>

如您所见，它突出显示的不仅仅是 "Lorem"。为什么？

我该如何让这种行为变得明智？

我正在使用 StandardAnalyzer，我的查询类似于 "content:lorem"

编辑： 我正在使用 Lucene.NET 2.9.2

Answer 1

您尚未提交 StrongFormatter 或 HtmlEncoder 的实现，但我想说您的实现错误位于第一个。它需要检查传递的 TokenGroup 的分数来决定是否需要任何格式化。

public class StrongFormatter : Formatter {
    public String HighlightTerm(String originalText, TokenGroup tokenGroup) {
        var score = tokenGroup.GetTotalScore();
        if (score == 0)
            return originalText;

        return String.Concat("<strong>", originalText, "<strong>");
    }
}

但是，您并不是第一个想要将匹配项包装在 html 元素中的人。您可以只使用Highlighter.Net 附带的SimpleHTMLFormatter 格式化程序。同时，还有一个 SimpleHTMLEncoder 可能会执行您的 HtmlEncoder 的操作。