编辑“Sphinx/字符集、大小写转换和转换表”

{{Sphinx导航}}

当建立[[索引]]时，Sphinx从指定的数据源获得文本文档，将文本分成词的集合，再对每个词做大小写转换，于是“Abc”，“ABC”和“abc”都被当作同一个词（word，或者更学究一点，词项term）

为了正确完成上述工作，Sphinx需要知道：

#源文本是什么编码的;
#那些字符是字母，哪些不是;
#哪些字符需要被转换，以及被转换成什么.

这些都可以用 charset_type 和 charset_table 选项为每个索引单独配置. charset_type 指定文档的编码是单字节的（SBCS）还是[[UTF-8]]的。 charset_table 指定了字母类字符到它们的大小写转换版本的对应表，没有在这张表中出现的字符被认为是非字母类字符，并且在建立索引和检索时被当作词的分割符来看待。

注意，尽管默认的转换表并不包含空格符 ([[ASCII]] code 0x20, Unicode U+0020) , 但是这么做是 完全合法的. 这在某些情况下可能有用，比如在对tag[[云]]构造索引的时候，这样一个用空格分开的词集就可以被当作一个单独的查询项了.

==参考来源==
*http://www.coreseek.cn/docs/coreseek_3.2-sphinx_0.9.9.html#required-tools 



[[category:Sphinx|Z]]
{{Sphinx使用手册}}