Sphinx/字符集、大小寫轉(zhuǎn)換和轉(zhuǎn)換表：修訂間差異

當(dāng)建立索引時(shí)，Sphinx從指定的數(shù)據(jù)源獲得文本文檔，將文本分成詞的集合，再對(duì)每個(gè)詞做大小寫轉(zhuǎn)換，于是“Abc”，“ABC”和“abc”都被當(dāng)作同一個(gè)詞（word，或者更學(xué)究一點(diǎn)，詞項(xiàng)term）

為了正確完成上述工作，Sphinx需要知道：

1. 源文本是什么編碼的;
2. 那些字符是字母，哪些不是;
3. 哪些字符需要被轉(zhuǎn)換，以及被轉(zhuǎn)換成什么.

這些都可以用 charset_type 和 charset_table 選項(xiàng)為每個(gè)索引單獨(dú)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(zhuǎn)換版本的對(duì)應(yīng)表，沒有在這張表中出現(xiàn)的字符被認(rèn)為是非字母類字符，并且在建立索引和檢索時(shí)被當(dāng)作詞的分割符來看待。

注意，盡管默認(rèn)的轉(zhuǎn)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(duì)tag云構(gòu)造索引的時(shí)候，這樣一個(gè)用空格分開的詞集就可以被當(dāng)作一個(gè)單獨(dú)的查詢項(xiàng)了.

參考來源

• http://www.coreseek.cn/docs/coreseek_3.2-sphinx_0.9.9.html#required-tools

Sphinx使用手冊(cè)導(dǎo)航

安裝： 支持的操作系統(tǒng)|需要的工具|在Linux、BSD上安裝Sphinx|在Windows上安裝Sphinx|已知的安裝問題和解決辦法|Sphinx快速入門教程 建立索引： 數(shù)據(jù)源|屬性|MVA|索引|源數(shù)據(jù)的限制|字符集、大小寫轉(zhuǎn)換和轉(zhuǎn)換表|SQL 數(shù)據(jù)源|xmlpipe 數(shù)據(jù)源|xmlpipe2 數(shù)據(jù)源|Python 數(shù)據(jù)源|實(shí)時(shí)索引更新|索引合并 搜索： 匹配模式|布爾查詢語法|擴(kuò)展查詢語法|權(quán)值計(jì)算|排序模式|結(jié)果分組|分布式搜索|MySQL 協(xié)議支持與SphinxQL 命令行工具參考： indexer命令參考|searchd命令參考|search命令參考|spelldump命令參考|indextool命令參考 MySQL存儲(chǔ)引擎： SphinxSE 概覽|安裝 SphinxSE|使用 SphinxSE|通過 MySQL 生成片段