Sphinx/字符集、大小寫轉換和轉換表
來自站長百科
當建立索引時，Sphinx從指定的數據源獲得文本文檔，將文本分成詞的集合，再對每個詞做大小寫轉換，于是“Abc”，“ABC”和“abc”都被當作同一個詞（word，或者更學究一點，詞項term）
為了正確完成上述工作，Sphinx需要知道：
- 源文本是什么編碼的;
- 那些字符是字母，哪些不是;
- 哪些字符需要被轉換，以及被轉換成什么.
這些都可以用 charset_type 和 charset_table 選項為每個索引單獨配置. charset_type 指定文檔的編碼是單字節(jié)的（SBCS）還是UTF-8的。 charset_table 指定了字母類字符到它們的大小寫轉換版本的對應表，沒有在這張表中出現的字符被認為是非字母類字符，并且在建立索引和檢索時被當作詞的分割符來看待。
注意，盡管默認的轉換表并不包含空格符 (ASCII code 0x20, Unicode U+0020) , 但是這么做是 完全合法的. 這在某些情況下可能有用，比如在對tag云構造索引的時候，這樣一個用空格分開的詞集就可以被當作一個單獨的查詢項了.