FreeScout中FasterSearch模块优化HTML内容索引问题

问题背景

在FreeScout客服系统的FasterSearch模块中，用户报告了一个关于HTML内容索引的问题。当处理包含表格等结构化HTML内容的对话或笔记时，搜索功能有时无法返回预期结果。这个问题特别容易出现在HTML表格内容中。

问题分析

问题的根源在于HTML标签处理方式。原始代码使用PHP的strip_tags函数直接去除HTML标签，这会导致表格单元格内容被合并而没有空格分隔。例如：

<table>
<tr><td>One</td><td>Two</td><td>Three</td></tr>
</table>

经过strip_tags处理后变为"OneTwoThree"，导致搜索"Two"或"Three"时无法匹配到结果。这是因为Meilisearch搜索引擎对连续字符的处理方式。

解决方案

解决方案基于一个简单的字符串替换技巧：在去除HTML标签前，先在每个'<'符号前插入空格。这样处理后：

1. 原始HTML变为：<table> <tr> <td>One</td> <td>Two</td> <td>Three</td> </tr> </table>
2. 去除标签后变为：" One Two Three"

这种方法确保了表格单元格内容之间有空格分隔，使搜索引擎能够正确索引各个单词。虽然可能会产生一些额外的空格，但这不会影响搜索功能的准确性。

实现细节

具体实现是通过修改FasterSearch模块的FasterSearchServiceProvider.php文件：

$body = $thread->body ?? '';
// 在'<'前添加空格，确保标签去除后内容保持分隔
$body = str_replace('<', ' <', $body);
$body = strip_tags($body);

替换了原来的直接使用strip_tags的做法。

注意事项

1. 重建索引：应用此修复后，需要在Meilisearch设置中执行"Rebuild index"操作，这个过程可能需要一些时间。
2. 格式化影响：对于使用HTML标签进行格式化的内容（如加粗、颜色变化等），这种处理方式可能会产生一些非预期的空格。
3. 版本兼容性：此修复已在Faster Search Module v1.0.19中实现。

技术原理

这种解决方案利用了HTML标签的结构特点。通过在标签开始符号前插入空格，确保标签去除后内容自然分隔。这种方法简单有效，且不会引入复杂的解析逻辑。虽然不如完整的HTML解析器精确，但对于大多数实际应用场景已经足够。

总结

这个优化解决了FreeScout系统中HTML内容搜索不准确的问题，特别是针对表格内容的索引。通过简单的预处理步骤，显著改善了搜索功能的可用性。开发者在处理类似HTML内容索引问题时，可以考虑这种轻量级的解决方案。