Fess HTMLのタグを指定してインデックスする

Fess 10.3
HTMLの特定のタグをドキュメントのcontentに入れるようにします。

手順

1. app/WEB-INF/classes/fess_config.propertiesを変更
2. Fessを再起動
3. クロール実行

fess_config.properties

# html
crawler.document.html.content.xpath=//BODY
crawler.document.html.lang.xpath=//HTML/@lang
crawler.document.html.digest.xpath=//META[@name='description']/@content
crawler.document.html.cannonical.xpath=//LINK[@rel='canonical']/@href
crawler.document.html.pruned.tags=noscript,script,style
crawler.document.html.max.digest.length=200

HTMLタグの指定

HTMLタグの指定はXPathで指定します。
XML Path Language (XPath)

デフォルトでcontentに入れるタグは
crawler.document.html.content.xpath=//BODY
でbodyタグ指定しています。

例： classとidを指定

<div class="document" id="doc1">をcontentに入れる

fess_config.properties

crawler.document.html.content.xpath=//DIV[@class='document'][@id='doc1']

に変更します。
Fess再起動後にHTMLをクロールすると
ドキュメントのcontentに指定したタグ内のデータが入るようになります。