2011-10-03 6 views
2

私は今、2日間、この上で私の心を失うのです...スフィンクス検索:文字セットテーブル困難

私はすべて英語のもの+ cからz S(と念のため、スフィンクス検索スロベニア文字を使用したいと思います

C)

ので、私はステップによって私自身のステップを作ることにした私は、適切な文字を取得するために、すべてネット上で探していたが、私はスクワットた...

...

これは私の指標であります

私は彼らの小文字対応に大きいC、CŠZはマッピングされ、そしてCに、C、C、SにšおよびZにZ に Cからのマッピングを追加し、最終的に、私はテーブルにこれら4つの文字を追加
index classifieds 
{ 
    source   = classifieds_src 
    path   = c:\Sphinx\data\classifieds 
    docinfo   = extern 

    min_infix_len  = 2 
    infix_fields  = title,keywords,summary,text 
    expand_keywords  = 1 
    enable_star  = 1 


    charset_type  = utf-8 
    charset_table = 0..9, a..z, _, A..Z->a..z,-, U+002C, \ 
    U+010C->U+010D, U+0106->U+0107, U+0160->U+0161, U+017D->U+017E, \ 
    U+010D->c,U+0107->c, U+0161->s, U+017E->z, \ 
    U+010D, U+0107, U+0161, U+017E 
} 

T1:HPのUSBoptičnamiška座prenosnik RH304 T2:ČiškaPCplus MO-U033 + F2(optična、brezžična、PS/2) T3:Miška....

これらは私の分類のタイトルですLogitechoptičnaNano M235 siva

db encodi NG:utf8_general_ci テーブルのエンコーディング:utf8_general_ci タイトルフィールド符号化:utf8_general_ci

テスト・ケース:

$testcase = array(
     "miška", 
     "mi*ka", 
     "Čiška", 
     "čiška", 
     "miska", 
     "usb prenosnik", 
     "prenosnik miska", 
     "miška usb" 
); 

//api settings: 

$this->sphinx->SetArrayResult(true); 
$this->sphinx->setLimits(0, 100); 
$this->sphinx->setMatchMode(SPH_MATCH_EXTENDED2); 
$this->sphinx->SetSortMode(SPH_SORT_RELEVANCE, '@weight DESC'); 
$this->sphinx->SetRankingMode(SPH_RANK_PROXIMITY_BM25); 
$this->sphinx->SetFieldWeights(array("title"=>100, "keywords"=>80, "summary"=>60, 
"text"=>20, "slug"=>10)); 

、最終的には、試験結果:

キーワード(合計/ total_found) 言葉

miška  (0/0) 

Array 
(
    [*miška*] => Array 
     (
      [docs] => 0 
      [hits] => 0 
     ) 

    [miška] => Array 
     (
      [docs] => 0 
      [hits] => 0 
     ) 

) 

mi*ka  (0/0) 

Array 
(
    [*mi*] => Array 
     (
      [docs] => 3 
      [hits] => 4 
     ) 

    [mi] => Array 
     (
      [docs] => 1 
      [hits] => 1 
     ) 

    [*2aka*] => Array 
     (
      [docs] => 0 
      [hits] => 0 
     ) 

    [2aka] => Array 
     (
      [docs] => 0 
      [hits] => 0 
     ) 

) 

Čiška  (0/0) 

Array 
(
    [*čiška*] => Array 
     (
      [docs] => 0 
      [hits] => 0 
     ) 

    [čiška] => Array 
     (
      [docs] => 0 
      [hits] => 0 
     ) 

) 

čiška  (0/0) 

Array 
(
    [*čiška*] => Array 
     (
      [docs] => 0 
      [hits] => 0 
     ) 

    [čiška] => Array 
     (
      [docs] => 0 
      [hits] => 0 
     ) 

) 

miska  (0/0) 

Array 
(
    [*miska*] => Array 
     (
      [docs] => 0 
      [hits] => 0 
     ) 

    [miska] => Array 
     (
      [docs] => 0 
      [hits] => 0 
     ) 

) 

usb prenosnik  (1/1) 

Array 
(
    [*usb*] => Array 
     (
      [docs] => 1 
      [hits] => 1 
     ) 

    [usb] => Array 
     (
      [docs] => 1 
      [hits] => 1 
     ) 

    [*prenosnik*] => Array 
     (
      [docs] => 1 
      [hits] => 1 
     ) 

    [prenosnik] => Array 
     (
      [docs] => 1 
      [hits] => 1 
     ) 

) 

prenosnik miska  (0/0) 

Array 
(
    [*prenosnik*] => Array 
     (
      [docs] => 1 
      [hits] => 1 
     ) 

    [prenosnik] => Array 
     (
      [docs] => 1 
      [hits] => 1 
     ) 

    [*miska*] => Array 
     (
      [docs] => 0 
      [hits] => 0 
     ) 

    [miska] => Array 
     (
      [docs] => 0 
      [hits] => 0 
     ) 

) 

miška usb  (0/0) 

Array 
(
    [*miška*] => Array 
     (
      [docs] => 0 
      [hits] => 0 
     ) 

    [miška] => Array 
     (
      [docs] => 0 
      [hits] => 0 
     ) 

    [*usb*] => Array 
     (
      [docs] => 1 
      [hits] => 1 
     ) 

    [usb] => Array 
     (
      [docs] => 1 
      [hits] => 1 
     ) 

) 

私は明確に結果が得られるのは明らかですスロベニア語特殊文字

してくださいなしのESは、私がこの

+0

はい、私は...何の違い –

+0

OMGしません!やったよ! [ここで答えを見つけ] [1] [1]:http://ryaneby.com/2009/11/21/unicode-and-sphinx.html 私は sql_query_pre = SETを追加する必要がCHARACTER_SET_RESULTS = utf8 sql_query_pre = SET NAMES utf8 私のソース定義に...明らかに、DBはデフォルトでトラフutf8に接続していませんでした! WOOO HOOOO –

+0

私はそれを許さないでしょう:S 100の評判が必要です... あなた自身で投稿してください、私は確認します –

答えて

9

に私の心を失う午前問題はスフィンクスインデクサは、デフォルトでUTF8キャラクタ・セットを使用していなかったということです助けてください。ここでは、多分の1が適しているであろう、多くの異なる文字セットのテーブルを見つけることができる

sql_query_pre = SET CHARACTER_SET_RESULTS=utf8 
sql_query_pre = SET NAMES utf8 

参照

0

いくつかのパラメータを設定する必要があります。それらはngram_lenとngram_charsです。

まず、私はあなたと同じ問題を抱えています。その後、私はという本を読んでいます。スフィンクスでの検索の概要、デフォルトの文字セットが見つかりました。ngram_charsは英語とロシア語のみです。だからあなたはそれを自分で追加しなければならない。私の場合は

、私は中国のために、これらのChangsのを作った:

charset_table = U+FF10..U+FF19->0..9, 0..9, U+FF41..U+FF5A->a..z, U+FF21..U+FF3A->a..z,\ 
    A..Z->a..z, a..z, U+0149, U+017F, U+0138, U+00DF, U+00FF, U+00C0..U+00D6->U+00E0..U+00F6,\ 
    U+00E0..U+00F6, U+00D8..U+00DE->U+00F8..U+00FE, U+00F8..U+00FE, U+0100->U+0101, U+0101,\ 
    U+0102->U+0103, U+0103, U+0104->U+0105, U+0105, U+0106->U+0107, U+0107, U+0108->U+0109,\ 
    U+0109, U+010A->U+010B, U+010B, U+010C->U+010D, U+010D, U+010E->U+010F, U+010F,\ 
    U+0110->U+0111, U+0111, U+0112->U+0113, U+0113, U+0114->U+0115, U+0115, U+0116->U+0117,\ 
    U+0117, U+0118->U+0119, U+0119, U+011A->U+011B, U+011B, U+011C->U+011D, U+011D,\ 
    U+011E->U+011F, U+011F, U+0130->U+0131, U+0131, U+0132->U+0133, U+0133, U+0134->U+0135,\ 
    U+0135, U+0136->U+0137, U+0137, U+0139->U+013A, U+013A, U+013B->U+013C, U+013C,\ 
    U+013D->U+013E, U+013E, U+013F->U+0140, U+0140, U+0141->U+0142, U+0142, U+0143->U+0144,\ 
    U+0144, U+0145->U+0146, U+0146, U+0147->U+0148, U+0148, U+014A->U+014B, U+014B,\ 
    U+014C->U+014D, U+014D, U+014E->U+014F, U+014F, U+0150->U+0151, U+0151, U+0152->U+0153,\ 
    U+0153, U+0154->U+0155, U+0155, U+0156->U+0157, U+0157, U+0158->U+0159, U+0159,\ 
    U+015A->U+015B, U+015B, U+015C->U+015D, U+015D, U+015E->U+015F, U+015F, U+0160->U+0161,\ 
    U+0161, U+0162->U+0163, U+0163, U+0164->U+0165, U+0165, U+0166->U+0167, U+0167,\ 
    U+0168->U+0169, U+0169, U+016A->U+016B, U+016B, U+016C->U+016D, U+016D, U+016E->U+016F,\ 
    U+016F, U+0170->U+0171, U+0171, U+0172->U+0173, U+0173, U+0174->U+0175, U+0175,\ 
    U+0176->U+0177, U+0177, U+0178->U+00FF, U+00FF, U+0179->U+017A, U+017A, U+017B->U+017C,\ 
    U+017C, U+017D->U+017E, U+017E, U+0410..U+042F->U+0430..U+044F, U+0430..U+044F,\ 
    U+05D0..U+05EA, U+0531..U+0556->U+0561..U+0586, U+0561..U+0587, U+0621..U+063A, U+01B9,\ 
    U+01BF, U+0640..U+064A, U+0660..U+0669, U+066E, U+066F, U+0671..U+06D3, U+06F0..U+06FF,\ 
    U+0904..U+0939, U+0958..U+095F, U+0960..U+0963, U+0966..U+096F, U+097B..U+097F,\ 
    U+0985..U+09B9, U+09CE, U+09DC..U+09E3, U+09E6..U+09EF, U+0A05..U+0A39, U+0A59..U+0A5E,\ 
    U+0A66..U+0A6F, U+0A85..U+0AB9, U+0AE0..U+0AE3, U+0AE6..U+0AEF, U+0B05..U+0B39,\ 
    U+0B5C..U+0B61, U+0B66..U+0B6F, U+0B71, U+0B85..U+0BB9, U+0BE6..U+0BF2, U+0C05..U+0C39,\ 
    U+0C66..U+0C6F, U+0C85..U+0CB9, U+0CDE..U+0CE3, U+0CE6..U+0CEF, U+0D05..U+0D39, U+0D60,\ 
    U+0D61, U+0D66..U+0D6F, U+0D85..U+0DC6, U+1900..U+1938, U+1946..U+194F, U+A800..U+A805,\ 
    U+A807..U+A822, U+0386->U+03B1, U+03AC->U+03B1, U+0388->U+03B5, U+03AD->U+03B5,\ 
    U+0389->U+03B7, U+03AE->U+03B7, U+038A->U+03B9, U+0390->U+03B9, U+03AA->U+03B9,\ 
    U+03AF->U+03B9, U+03CA->U+03B9, U+038C->U+03BF, U+03CC->U+03BF, U+038E->U+03C5,\ 
    U+03AB->U+03C5, U+03B0->U+03C5, U+03CB->U+03C5, U+03CD->U+03C5, U+038F->U+03C9,\ 
    U+03CE->U+03C9, U+03C2->U+03C3, U+0391..U+03A1->U+03B1..U+03C1,\ 
    U+03A3..U+03A9->U+03C3..U+03C9, U+03B1..U+03C1, U+03C3..U+03C9, U+0E01..U+0E2E,\ 
    U+0E30..U+0E3A, U+0E40..U+0E45, U+0E47, U+0E50..U+0E59, U+A000..U+A48F, U+4E00..U+9FBF,\ 
    U+3400..U+4DBF, U+20000..U+2A6DF, U+F900..U+FAFF, U+2F800..U+2FA1F, U+2E80..U+2EFF,\ 
    U+2F00..U+2FDF, U+3100..U+312F, U+31A0..U+31BF, U+3040..U+309F, U+30A0..U+30FF,\ 
    U+31F0..U+31FF, U+AC00..U+D7AF, U+1100..U+11FF, U+3130..U+318F, U+A000..U+A48F,\ 
    U+A490..U+A4CF 
ngram_len  = 1 


# n-gram characters list, for CJK indexing 
# optional, default is empty 
# 
# ngram_chars  = U+3000..U+2FA1F 

ngram_chars = U+4E00..U+9FBF, U+3400..U+4DBF, U+20000..U+2A6DF, U+F900..U+FAFF,\ 
    U+2F800..U+2FA1F, U+2E80..U+2EFF, U+2F00..U+2FDF, U+3100..U+312F, U+31A0..U+31BF,\ 
    U+3040..U+309F, U+30A0..U+30FF, U+31F0..U+31FF, U+AC00..U+D7AF, U+1100..U+11FF,\ 
    U+3130..U+318F, U+A000..U+A48F, U+A490..U+A4CF