为Text类型字段配置html_strip过滤器后HTML标签未移除问题

你的配置其实已经生效了——用happy能查到结果，就说明html_strip字符过滤器已经在索引阶段把HTML标签从倒排索引里移除了。你看到_source里还保留HTML标签，核心原因是：

• Elasticsearch的分析器（包括字符过滤器）只负责处理文本生成供查询用的倒排索引，不会修改原始存储的_source字段。_source存的是你写入时的原始数据，默认不会被分析器改动。

如果想要返回的内容也去掉HTML标签，可以用这几种方式：

• 用高亮功能：查询时添加高亮配置，高亮结果会使用分析后的无标签文本。示例查询：

  {
    "query": {
      "match": {
        "description": "happy"
      }
    },
    "highlight": {
      "fields": {
        "description": {}
      }
    }
  }
  

• 索引前手动预处理：把数据写入Elasticsearch之前，自己先去掉HTML标签。
• 用Ingest Pipeline自动处理：创建一个管道，在索引阶段自动清洗title和description字段，去掉HTML标签后再存入。示例管道：

  {
    "processors": [
      {
        "html_strip": {
          "field": "title"
        }
      },
      {
        "html_strip": {
          "field": "description"
        }
      }
    ]
  }
  

  后续写入数据时指定这个管道即可。

内容的提问来源于stack exchange，提问作者Lina