如何使用mongodb從html文檔中刪除html標記

Question

我正在使用mongodb版本3.2.4。我有一個只有一個提交的集合，Html（id，ofc）。共有8.821.851個文件。每個文檔都代表大約5頁純文本的html文件，但大約有20頁帶有html標籤的頁面。

當我嘗試用於搜索包含某些文本的文檔的簡單查詢時（例如ID號是「5555888」或名稱是「John」），它不會返回任何結果，或者我必須等待很長時間時間。

我想從所有文檔中刪除html標籤以減小所有文件的大小。那麼查詢特定文檔會更快。

Mongodb中是否有解決此任務的解決方案？

一個html文件（小部分）的例子：

"<a name=\"JR_PAGE_ANCHOR_0_1\"></a>\n<table style=\"width: 595px; border-collapse: collapse; empty-cells: show\" cellpadding=\"0\" cellspacing=\"0\" border=\"0\" bgcolor=\"white\">\n<tr>\n <td style=\"width: 20px; height: 1px;\"></td>\n <td style=\"width: 40px; height: 1px;\"></td>\n <td style=\"width: 20px; height: 1px;\"></td>\n <td style=\"width: 22px; height: 1px;\"></td>\n <td style=\"width: 108px; height: 1px;\"></td>\n <td style=\"width: 88px; height: 1px;\"></td>\n <td style=\"width: 117px; height: 1px;\"></td>\n <td style=\"width: 80px; height: 1px;\"></td>\n <td style=\"width: 79px; height: 1px;\"></td>\n <td style=\"width: 1px; height: 1px;\"></td>\n <td style=\"width: 20px; height: 1px;\"></td>\n</tr>\n<tr valign=\"top\">\n <td colspan=\"11\" style=\"width: 595px; height: 20px;\"></td>\n</tr>\n<tr valign=\"top\">\n <td colspan=\"2\" style=\"width: 60px; height: 46px;\"></td>\n <td colspan=\"2\"><img src=\"/servlets/PublicReportServlet?_image_=img_0_0_9\" style=\"height: 46px\" alt=\"\"/></td>\n <td colspan=\"6\" style=\"text-align: right;\"><span style=\"font-family: Times New Roman; color: #000000; font-size: 18.0px; font-weight: bold;\">NESLUŽBENA KOPIJA</span></td>\n <td style=\"width: 20px; height: 46px;\"></td>\n</tr>\n<tr valign=\"top\">\n <td style=\"width: 20px; height: 12px;\"></td>\n <td colspan=\"9\"><span style=\"font-family: Times New Roman; color: #000000; font-size: 10.0px; font-weight: bold;\">REPUBLIKA HRVATSKA</span></td>\n <td style=\"width: 20px; height: 12px;\"></td>\n</tr>\n<tr valign=\"top\">\n <td colspan=\"11\" style=\"width: 595px; height: 4px;\"></td>\n</tr>\n<tr valign=\"top\">\n <td style=\"width: 20px; height: 12px;\"></td>\n <td colspan=\"9\"><span style=\"font-family: Times New Roman; color: #000000; font-size: 10.0px; font-weight: bold;\">Općinski sud u Novom Zagrebu</span></td>\n <td style=\"width: 20px; height: 12px;\"></td>\n</tr>\n<tr valign=\"top\">\n <td style=\"width: 20px; height: 12px;\"></td>\n <td colspan=\"9\"><span style=\"font-family: Times New Roman; color: #000000; font-size: 10.0px; font-weight: bold;\">ZEMLJIŠNOKNJIŽNI ODJEL NOVI ZAGREB</span></td>\n <td style=\"width: 20px; height: 12px;\"></td>\n</tr>\n<tr valign=\"top\">\n <td style=\"width: 20px; height: 12px;\"></td>\n <td colspan=\"4\" style=\"border-bottom-style: solid; border-bottom-width: 1px; border-bottom-color: #000000; \"><span style=\"font-family: Times New Roman; color: #000000; font-size: 10.0px; font-weight: bold;\">Stanje na dan: 19.06.2016 23:05</span></td>\n <td colspan=\"5\" style=\"border-bottom-style: solid; border-bottom-width: 1px; border-bottom-color: #000000; text-align: right;\"><span style=\"font-family: Times New Roman; color: #000000; font-size: 10.0px;\">Verificirani poduložak</span></td>\n <td style=\"width: 20px; height: 12px;\"></td>\n</tr>\n<tr valign=\"top\">\n <td style=\"width: 20px; height: 12px;\"></td>\n <td colspan=\"9\"></td>\n <td style=\"width: 20px; height: 12px;\"></td>\n</tr>\n<tr valign=\"top\">\n <td style=\"width: 20px; height: 12px;\"></td>\n <td colspan=\"5\"><span style=\"font-family: Times New Roman; color: #000000; font-size: 10.0px; font-weight: bold;\">Knjiga PU: ZAPRUDSKI OTOK 

Answer 1

顯然，你必須在MongoDB中一個巨大的收集和你要編輯對集合中的每個文件。文檔編輯是或多或少的字符串編輯&處理。

這不是MongoDB的任務。你應該使用一些MongoDB的客戶端或驅動程序，並通過每個文件在C＃或Java也許寫一個非常簡單的代碼來循環並對其進行編輯，

如果您需要幫助編寫代碼，我可以給一個小的Java樣本，它可以幫助。只需評論，如果你需要。