搜索 HTML 存储内容 PHP/MySQL 时忽略 HTML 字符？

Posted 2023-02-25

【中文标题】搜索 HTML 存储内容 PHP/MySQL 时忽略 HTML 字符？

【英文标题】：Ignore HTML characters when searching HTML stored content PHP/MySQL?

【发布时间】：2011-09-29 06:03:23

【问题描述】：

我们在 mysql 中存储 html 内容块（它是在 CKeditor 中创建的格式化文本。Ckeidor 添加内联 CSS 样式来格式化文本）。我们将数据库存储在名为“page_content”的列中

我们想要一个允许用户搜索文本的搜索功能（仅）。但是，我们不希望搜索返回 HTML 字符，这就是现在正在发生的事情。例如，如果我们搜索“字体”，我们不希望搜索结果返回具有 HTML 样式的页面<font>

在从 MySQL 搜索 HTML 存储的内容时，有什么方法可以忽略 HTML/CSS 字符？

【参考方案1】：

我猜你想在数据库上进行搜索？ （在这种情况下，剥离 HTML 标记意味着您必须将内容存储两次）。

尝试在自然语言模式下使用 MYSQL 全文搜索功能。

http://dev.mysql.com/doc/refman/5.0/en/fulltext-natural-language.html

【讨论】：

简单的解决方案总是最好的。谢谢。

【参考方案2】：

您是否考虑过为这些搜索设置单独的表格？ MySQL's full text search 仅适用于 MyISAM 表，因此您可能不想将全文搜索与重要数据混为一谈（当然，除非您对外键和引用完整性有一些奇怪的厌恶）。

我过去使用的方法基本上是这样的：

使用简单的 (id, search_text) 结构设置单独的表。 id 与您正在搜索的事物的 id 匹配。 search_text 是您想要搜索的所有内容（正文、标题、作者姓名...），它们被混杂成一个文本块。 在搜索表中添加full text indexing。 更新您的数据库更新过程以将适当的search_text 字符串构造为纯文本；在这里您可以去除 HTML 并可能应用一些其他映射（例如将“A+”之类的内容扩展到全文搜索将找到的内容）。 搜索时，应用与应用到可搜索数据相同的映射，然后在搜索表中查找匹配项。

这解决了您的 HTML 问题，让您可以轻松搜索 HTML 内容以外的内容，并允许您通过重复对搜索文本的不同组件进行加权来调整搜索结果（例如，如果您希望标签比正文更重要）文本，只需在构建search_text时添加标签两三次即可。

您必须处理您的文本以删除或忽略 HTML。这种方法让您只需执行一次，而不是每次搜索都执行一次。

【讨论】：

该解决方案唯一缺少的是能够搜索特定字段，这是将单个实体的所有文本连接在一起的结果。例如，您无法找到标题中包含“foo”的所有实体，因为正文中包含“foo”的实体也会匹配。

@Chris：但如果需要，您可以通过额外的列来解决这个问题。

@Chris，我们无法删除 HTML。它是使用 Ckeditor 格式化的内容（倾斜 CSS 样式）

@user635800：但是您可以存储来自 CKEditor 的 text/html 的单独文本/纯文本版本。