# HTML Strip Character Filter(HTML标签过滤)

**HTML Strip Character Filter** 会删除文本中**的HTML**元素，并且将**HTML**实体替换成对应的解码值（例如用**＆**替换**＆amp;**）。

## **输出示例**

```
POST _analyze
{
  "tokenizer":      "keyword",
  "char_filter":  [ "html_strip" ],
  "text": "<p>I&apos;m so <b>happy</b>!</p>"
}
```

> keyword分词器只会返回一个词元(**term**), 也就是整体返回。

上面的案例将会返回如下的词元(**term**)：

```
[ \nI'm so happy!\n ]
```

同样的示例，如果使用标准分词器(**standar tokenizer**)将会返回的词元(**term**)如下：

```
[ I'm, so, happy ]
```

## 配置

**HTML Strip Character Filter**接收如下参数：

| 参数名称           | 说明             |
| -------------- | -------------- |
| `escaped_tags` | 会原始文本中保留的一系列标签 |

配置示例：

```
PUT my_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "keyword",
          "char_filter": ["my_char_filter"]
        }
      },
      "char_filter": {
        "my_char_filter": {
          "type": "html_strip",
          "escaped_tags": ["b"]
        }
      }
    }
  }
}

POST my_index/_analyze
{
  "analyzer": "my_analyzer",
  "text": "<p>I&apos;m so <b>happy</b>!</p>"
}
```

上面示例将返回如下结果：

```
[ \nI'm so <b>happy</b>!\n ]
```