如何在Azure Cognitive Search检索前编码文档内原有高亮标签

可以通过索引预处理或结果后处理两种方式实现你要的编码效果，具体方案如下：

1. 索引写入前预处理（推荐方案） #

该方案是成本最低、稳定性最高的处理方式：

• 在文档写入Azure Search索引之前，对内容中的HTML特殊字符做转义，核心转义规则为：<替换为<，>替换为>。你可以选择仅转义<em>、</em>标签，也可以直接转义所有HTML特殊字符。
  你的示例原内容<em>Today</em> topic will be...预处理后会变成<em>Today</em> topic will be...再写入索引。
• Azure Search生成高亮结果时，只会给匹配到的关键词（例中的topic）包裹默认的<em>标签，最终返回结果完全符合你要求的格式：

  &lt;em&gt;Today&lt;/em&gt; <em>topic</em> will be...
  

• 前端直接解析该结果即可：原有文档自带的<em>会被渲染为普通文本展示，Azure Search添加的<em>会被识别为HTML标签，你只需给<em>设置黄色背景样式就能实现高亮效果，无需额外逻辑。

2. 搜索结果后处理（适配存量索引场景） #

如果你的存量索引已经构建完成，无法回溯修改所有写入数据，可以采用该方案：

• 首先拿到Azure Search返回的未添加高亮标记的原始文档内容，将原始内容中所有<em>、</em>转义为<em>、</em>
• 再匹配接口返回的高亮关键词及命中位置，在转义后的内容对应位置插入<em>、</em>高亮标签即可。

补充说明 #

Azure Search的默认分词器会自动忽略HTML特殊字符，预处理时转义生成的<等实体不会影响正常的关键词搜索匹配，无需调整搜索查询逻辑。

内容的提问来源于stack exchange，提问作者mihowilk