Поиск сфинксов: трудности с набором символов

Я теряю рассудок на этом уже два дня …

Я хотел бы использовать словенские буквы в поиске sphinx, все английские + č ž š (и на всякий случай ć)

Я смотрел по всей сети, чтобы получить правильные символы, но я нашел приседания …

поэтому я решил сделать свой шаг за шагом …

это мой индекс

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 }

где я сопоставил большие Č, Ć Š Ž с их младшими коллегами и добавил отображение из č в c, ć в c, š в s и ž в z, и, наконец, я добавил эти четыре символа к таблице ….

это мои объявления:

t1: HP USB optična miška za prenosnik RH304 t2: Čiška PCplus MO-U033 + F2 (optična, brezžična, PS / 2) t3: Miška Logitech optična Nano M235 siva

db encoding: utf8_general_ci кодировка таблицы: utf8_general_ci кодировка поля заголовка: utf8_general_ci

прецедент:

 $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));

и, наконец, результаты испытаний:

Ключевые слова (total / total_found)

 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 ) )

Вы можете ясно видеть, что я получаю положительные результаты только в запросах без словенских специальных символов

Пожалуйста, помогите мне. Я теряю рассудок по этому поводу.

Solutions Collecting From Web of "Поиск сфинксов: трудности с набором символов"

Проблема заключается в том, что индекс sphinx indexer не использовал набор символов utf8 по умолчанию. Исправлено добавлением следующего в sphinx.conf

 sql_query_pre = SET CHARACTER_SET_RESULTS=utf8 sql_query_pre = SET NAMES utf8

Рекомендации

Здесь вы можете найти много разных таблиц кодировки, возможно, один из них подходит для вашего языка: http://sphinxsearch.com/wiki/doku.php?id=charset_tables

Есть некоторые параметры, которые вы должны настроить. Это ngram_len и ngram_chars.

Во-первых, у меня такая же проблема. Затем я прочитал книгу « Введение для поиска с помощью sphinx» , я нашел набор символов по умолчанию и ngram_chars для английского и русского языков. Поэтому вы должны добавить их сами.

В моем случае я сделал эти изменения, для китайцев:

 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