編輯“Sphinx/xmlpipe2 數(shù)據(jù)源”

{{Sphinx導(dǎo)航}}

xmlpipe2使你可以用另一種自定義的[[XML]]格式向Sphinx傳輸任意文本數(shù)據(jù)和屬性數(shù)據(jù)。數(shù)據(jù)模式（即數(shù)據(jù)字段的集合或者屬性集）可以由XML流本身指定，也可以在配置文件中數(shù)據(jù)源的配置部分中指定。

在對(duì)xmlpipe2數(shù)據(jù)源做索引時(shí)，索引器運(yùn)行指定的命令，打開(kāi)一個(gè)連接到前述命令標(biāo)準(zhǔn)輸出的管道，并等待接受具有正確格式的XML數(shù)據(jù)流。以下是一個(gè)數(shù)據(jù)流的樣本：

Example 3. xmlpipe2 文檔流
<pre>
<?xml version="1.0" encoding="utf-8"?>

<sphinx:docset>

<sphinx:schema>

<sphinx:field name="subject"/> 

<sphinx:field name="content"/>

<sphinx:attr name="published" type="timestamp"/>

<sphinx:attr name="author_id" type="int" bits="16" default="1"/>

</sphinx:schema>

<sphinx:document id="1234">

<content>this is the main content <![CDATA[[and this <cdata> entry must be handled properly by xml parser lib]]></content>

<published>1012325463</published>

<subject>note how field/attr tags can be in <b class="red">randomized</b> order</subject>

<misc>some undeclared element</misc>

</sphinx:document>

<!-- ... more documents here ... -->

</sphinx:docset>
</pre>

任意多的數(shù)據(jù)字段和屬性都是允許的。數(shù)據(jù)字段和屬性在同一文檔元素中出現(xiàn)的先后順序沒(méi)有特別要求。。單一字段數(shù)據(jù)的最大長(zhǎng)度有限制，超過(guò)2MB的數(shù)據(jù)會(huì)被截短到2MB（但這個(gè)限制可以在配置文件中數(shù)據(jù)源部分中修改）。

XML數(shù)據(jù)模式（Schema），即數(shù)據(jù)字段和屬性的完整列表，必須在任何文檔被分析之前就確定。這既可以在配置文件中用xmlpipe_field和xmlpipe_attr_XXX選項(xiàng)指定，也可以就在數(shù)據(jù)流中用<sphinx:schema>元素指定。 <sphinx:schema>元素是可選的，但如果出現(xiàn)，就必須是<sphinx:docset>元素的第一個(gè)子元素。如果沒(méi)有在數(shù)據(jù)流中內(nèi)嵌的數(shù)據(jù)模式定義，配置文件中的相關(guān)設(shè)置就會(huì)生效，否則數(shù)據(jù)流內(nèi)嵌的設(shè)置被優(yōu)先采用。

未知類(lèi)型的標(biāo)簽（既不是數(shù)據(jù)字段，也不是屬性的標(biāo)簽）會(huì)被忽略，但會(huì)給出警告。在上面的例子中，<misc>標(biāo)簽會(huì)被忽略。所有嵌入在其他標(biāo)簽中的標(biāo)簽及其屬性都會(huì)被無(wú)視（例如上述例子中嵌入在<subject>標(biāo)簽中的<nowiki><b></nowiki>標(biāo)簽）

支持輸入數(shù)據(jù)流的何種字符編碼取決于系統(tǒng)中是否安裝了iconv. xmlpipe2是用 libexpat解析器解析的，該解析器內(nèi)置對(duì) US-ASCII, [[UTF-8]], UTF-8 和一些 UTF-16變體的支持. Sphinx的 configure 腳本也會(huì)檢查 libiconv 是否存在并使用它來(lái)處理其他的字符編碼。 libexpat 也隱含的要求在Sphinx端使用UTF-8，因?yàn)樗祷氐姆治鲞^(guò)的數(shù)據(jù)總是UTF-8的。

xmlpipe2可以識(shí)別的XML元素（標(biāo)簽）（以及前述元素可用的屬性）如下： 
*sphinx:docset
頂級(jí)元素，用于標(biāo)明并包括xmlpipe2文檔.
*sphinx:schema
可選元素，它要么是sphinx:docset的第一個(gè)子元素，要么干脆不出現(xiàn)。聲明文檔的模式。包括數(shù)據(jù)字段和屬性的聲明。若此元素出現(xiàn)，則它會(huì)覆蓋配置文件中對(duì)數(shù)據(jù)源的設(shè)定. 
*sphinx:field
可選元素，sphinx:schema的子元素。聲明一個(gè)全文數(shù)據(jù)字段。唯一可識(shí)別的屬性是“name”，它指定了字段的名稱，后續(xù)數(shù)據(jù)文檔中具有此名稱的元素的數(shù)據(jù)都被當(dāng)作待檢索的全文數(shù)據(jù)對(duì)待. 
*sphinx:attr
O可選元素，sphinx:schema的子元素。用于聲明具體屬性。其已知的屬性有:

#"name"，設(shè)定該屬性名稱，后續(xù)文檔中具有該名稱的元素應(yīng)被當(dāng)作一個(gè)屬性對(duì)待。.
#"type"，設(shè)定該屬性的類(lèi)型?？赡艿念?lèi)型包括 "int", "timestamp", "str2ordinal", "bool", "float" 和 "multi".
#"bits"，設(shè)定“int”型屬性的寬度，有效值為1到32.
#"default"，設(shè)定該屬性的默認(rèn)值，若后續(xù)文檔中沒(méi)有指定這個(gè)屬性，則使用此默認(rèn)值。

*sphinx:document
必須出現(xiàn)的元素，必須是sphinx:docset的子元素。包含任意多的其他元素，這些子元素帶有待索引的數(shù)據(jù)字段和屬性值，而這些數(shù)據(jù)字段或?qū)傩灾导瓤梢允怯胹phinx:field和sphinx:attr元素聲明的，也可以在配置文件中聲明。唯一的已知屬性是“id”，它必須包含一個(gè)唯一的整型的文檔ID。

==參考來(lái)源==
*http://www.coreseek.cn/docs/coreseek_3.2-sphinx_0.9.9.html#required-tools 



[[category:Sphinx|X]]
{{Sphinx使用手冊(cè)}}