Entity decode in SQL
Om direct met mijn vraag te komen. Bestaat er ook een html_entity_decode in SQL?
Ik ben bezig aan een zoekmachine voor een site. Hij moet zoeken in tabelcellen die vol staan met html code, maar ik wil niet dat als men bijvoorbeeld het woord "class" of "href" zoekt, dat mijn zoekmachine dan op tilt slaat.
Dus ik ben op zoek naar een soort
SELECT HTML_ENTITY_DECODE(pageBody) AS searchHit
FROM .... WHERE searchHit LIKE '%<<<zoekterm>>>>%'
Alvast bedankt.
De body (incl HTML code) van elke pagina is opgenomen in de database.
Dus...
SELECT body
FROM contentpage
WHERE pageid = '2'
...geeft bijvoorbeeld het volgende...
<p class="alinea">Blabla Blabla <strong>VET</strong></p>
Nu wil ik dat mijn zoekmachine alleen zoekt op Blabla en VET. Dus ik wil niet dat als iemand op het woord "class" of "strong" zoekt, dat de bovenstaande HTML regel gevonden wordt.
Hoe zorg ik er voor dat het systeem enkel zoekt in de plaintekst en niet in de HTML code? Moet ik dit echt met PHP gaan oplossen, of heeft mysql daar een handig foefje voor?
Is het nu wat duidelijker?
Je zult in jouw geval gebruik moeten maken van een reguliere expressie in je select query om alleen bepaalde delen uit je tekst te selecteren. Zie ook dit hoofdstuk uit de mysql handleiding.
Maar verder blijkt dat het opslaan van html in de database nooit zo slim is. In de meeste gevallen is het vaak slimmer om gebruik te maken van ubb code en dat pas om te zetten zodra je tekst uit de database selecteert.
Ik gaf inderdaad een verkeerd voorbeeld met HTML_ENTITY_DECODE.
Misschien wel interessant voor de lezers
Situatie:
Je hebt een zoekmachine op je site. Je wil natuurlijk niet dat als mensen zoeken naar "class" dat hij dan <p class="blaat"> ook vindt.
Dit geval kom ik heeeeeel vaak tegen bij zoekmachines op andere sites.
Oplossing:
SELECT *
FROM page
WHERE body REGEXP "(>[^<]*)(zoekwoord1|zoekwoord2|zoekwoord3)";
Wil je exacte woordcombinaties maken, doe dan niet "zoekwoord1|zoekwoord2|zoekwoord3", maar doe dan bijvoorbeeld "zoekwoord1 zoekwoord2|zoekwoord3" (dus zonder de | )