管理员能否提供使用sphinx + mmseg 的文档？

刚刚看到你们的网站，很感谢coreseek.com 分享你们的中文分词成果，并且贡献给开源社区。我刚刚开始接� ��Sphinx，想为它加上mmseg，不知道开发者能不能提供稍微详细一些 的说明文档，谢谢！

源码以公布，在产品栏下载

刚刚在windows下测试 coreseek_fulltext 引擎，没有发现有中文分词功能。我有注意到字典文件放在/dic 目录下，但是在bin目录下似乎没有分词组件，也没有看到任何说� ��文档，请问coreseek_fulltext 是一个完整的package（包括中文分词组件）吗? 如果是，请问要如何配置？如果不是，请问如何加入中文分词组� ��？
谢谢！

需要修改sphinx.conf
1、将tokenizer设置为zh_cn系列，参考文档。eg. zh_cn.utf-8; zh_cn.gbk
2、指明词典文件所在的位置“charset_dictpath” 指向uni.lib所在的目录

看来这个bbs的中文支持问题真是不小，先凑合用。过段时间在修� ��呵呵

谢谢nzinfo的及时回复，不过在sphinx.conf里没有 tokenizer 和 charset_distpath 项，在sphinx的文档里也没有提及，当我将这两项加入index时，索� �时会报错。我目前已设置了 charset_type = utf-8 和 charset_table 项，还麻烦nzinfo指出如何设置tokenizer，charset_dictpath，最好提供一 个样本配置 .conf 文件。谢谢

charset_type = zh_cn.gbk
charset_dictpath = dict

sphinx 中没有 charset_dictpath的设置.

mmseg是不是只能单独切词，并不能嵌入sphinx中使用。

如何让 sphinx 做索引时，利用 uni.lib 这个文件的进行切词？

目前官方的版面还没有融入中文切词的补丁，
从coreseek网站下载。

Nzinfo, 我这两天在windows 和 linux 下重新安装测试了一下coreseek，安装都和顺利，设置charset_type，charset_dictpath 也没有问题了，不过在index 后再search中文，出现的都是乱码而且似乎分词也没有效果（可能因为是乱码的原因），我在mysql中全部声明使用UTF8，并且SET NAMES UTF8，还是没有效果。下面是我测试用的配置文件，请你看看问题处在什么地方。

source zfaq
{
type = mysql
sql_host = localhost
sql_user = root
sql_pass =
sql_db = zfaq
sql_query_pre= SET NAMES utf8
#sql_query = \
# SELECT id, title, introtext,unix_timestamp(created) as addtime \
# FROM jos_content
sql_query = \
SELECT id, question, answer \
FROM faq
#sql_attr_timestamp = addtime
sql_ranged_throttle = 0
sql_query_info = SELECT * FROM faq WHERE id=$id
}
index zfaq
{
source = zfaq
path = c:/yhe/sphinx_index/data/zfaq
docinfo = extern
mlock = 0
min_prefix_len = 0
min_infix_len = 0
min_word_len = 2

charset_dictpath = C:/yhe/downloads/firefox/coreseek_fulltext_2.0/dict
charset_type = zh_cn.utf-8
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
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
}


indexer
{
mem_limit = 32M
}
searchd
{
port = 3312
log = c:/yhe/sphinx_index/log/searchd.log
query_log = c:/yhe/sphinx_index/log/query.log
read_timeout = 5
max_children = 30
pid_file = c:/yhe/sphinx_index/log/searchd.pid
max_matches = 1000
seamless_rotate = 1
}

charset_dictpath = C:/yhe/downloads/firefox/coreseek_fulltext_2.0/dict
charset_type = zh_cn.utf-8
只需要这两个就够了

这三项不需要
ngram_len = 1
ngram_chars =
charset_table =

如果你是在window下，由于cmd环境不支持中文 UTF-8 因此用search 是不能正常搜索中文的。可以用英文试试，确认索引的构建的正确性

可以使用searchd + php api 传入UTF-8 String试试，应该没问题的

ps, Python的数据源昨晚beta版已经出来了，可以采用python向全文搜索送数据了。呵呵

呵呵，不错。有个交流sphinx的地方了。

你好, nzinfo..
我使用了您开发的sphinx补丁,, 编译时报错 (缺少csr_typedefs.h文件),, 我看了补丁并未发现这个文件..
我看补丁文件并未发现csr_typedefs.h,, 是不是我打补丁时出错?
请指正

在/mmseg/src 目录下找到csr_typedefs.h

但是又出现一个
collect2: ld returned 1 exit status
make[2]: *** [indexer] Error 1
make[2]: Leaving directory `/var/www/html/guang/sphinx-0.9.8-rc2/src'
make[1]: *** [all] Error 2
make[1]: Leaving directory `/var/www/html/guang/sphinx-0.9.8-rc2/src'
make: *** [all-recursive] Error 1

请将错误贴全，这个文件适用于mmseg的。
如果是Linux，可能需要先安装libmmseg
从这个错误看，似乎是没有找到libmmseg的.a文件
呵呵，看来有必要提供Linux下运行的binrary了。
此外，目前发行libmmseg存在一个小bug；此外，sphinx的补丁在进行关键词加亮的动作时，会导致server crash。
这个问题已经fix，因为我近几天病了，有些工作做不动。最迟，本周将更新代码。

感谢nzinfo热心帮助,,
我重新安装打一次补丁,, 上述的ld returned 1 exit status问题解决了, 可以通过编译.

nzinfo辛苦了, 如果有需要帮忙的话,, 尽管吩咐..