Lucene HTMLFormatter пропускает последний символ

Question

У меня есть этот простой поисковый код Lucene (изменено с http://www.lucenetutorial.com/lucene-in-5-minutes.html)

 class Program
    {
        static void Main(string[] args)
        {

            StandardAnalyzer analyzer = new StandardAnalyzer();
            Directory index = new RAMDirectory();
            IndexWriter w = new IndexWriter(index, analyzer, true,
                    IndexWriter.MaxFieldLength.UNLIMITED);
            addDoc(w, "Table 1 <table> content </table>");
            addDoc(w, "Table 2");
            addDoc(w, "<table> content </table>");
            addDoc(w, "The Art of Computer Science");
            w.Close();


            String querystr = "table";


            Query q = new QueryParser("title", analyzer).Parse(querystr);
            Lucene.Net.Search.IndexSearcher searcher = new
            Lucene.Net.Search.IndexSearcher(index);
            Hits hitsFound = searcher.Search(q);

            SimpleHTMLFormatter formatter = new SimpleHTMLFormatter("*", "*");

            Highlighter highlighter = null;
            highlighter = new Highlighter(formatter, new QueryScorer(searcher.Rewrite(q)));

            for (int i = 0; i < hitsFound.Length(); i++)
            {
                Console.WriteLine(highlighter.GetBestFragment(analyzer, "title", hitsFound.Doc(i).Get("title")));
             //   Console.WriteLine(hitsFound.Doc(i).Get("title"));
            }
            Console.ReadKey();



        }
        private static void addDoc(IndexWriter w, String value)
        {
            Document doc = new Document();
            doc.Add(new Field("title", value, Field.Store.YES, Field.Index.ANALYZED));
            w.AddDocument(doc);
        }
    }

Выделенные результаты всегда, кажется, пропускают закрывающее ">" моего последнего табличного тега. Какие-либо предложения?

Answer 1

Решаемые. Очевидно моя версия Highlighter.Net была архаичной. Обновление до 2.3.2.1. Решил проблему

Answer 2

Изначально маркер Lucene предназначен для работы с простым текстом. Он будет работать некорректно, если вы попытаетесь выделить HTML или любой текст разметки.

Недавно я столкнулся с той же проблемой и нашел решение в HTMLStripReader от Solr, которое пропускает содержимое в тегах. Решение обрисовано в общих чертах в моем блоге по следующему URL.

http://sigabrt.blogspot.com/2010/04/highlighting-query-in-entire-html.html

Я мог бы опубликовать код здесь, но мое решение применимо для Lucene Java. Для.Net вы должны найти эквивалент HTMLStripReader.