項(xiàng)目配置文件詳解
項(xiàng)目配置是一個(gè)
Xunsearch項(xiàng)目的核心靈魂，非常重要，通常保存為 .ini 文件以分號(hào)開頭的行表示注釋，空行直接被忽略不起任何作用
中括號(hào)包圍的每個(gè)分區(qū)均為字段配置，字段個(gè)數(shù)根據(jù)項(xiàng)目的實(shí)際需求設(shè)定
每個(gè)項(xiàng)目必須有并且只能有一個(gè)類型類 ID 的主鍵字段，ID 字段值的字母不區(qū)分大小寫
項(xiàng)目名稱
要求用純小寫字母和小劃線組成，長度控制在 2-31 個(gè)字符，這也是 xunsearch 服務(wù)器內(nèi)用于保存索引數(shù)據(jù)的目錄名稱, 所以同一 xunsearch 服務(wù)器內(nèi)的不同項(xiàng)目名稱不可重復(fù)。默認(rèn)為不含后綴的配置文件名， 如：xyz.ini 則項(xiàng)目名默認(rèn)為
xyz。project.name = AppName
默認(rèn)字符集
這里的默認(rèn)字符集范圍涵蓋服務(wù)端交互時(shí)的輸入數(shù)據(jù)、輸出數(shù)據(jù)，實(shí)際使用時(shí)索引文檔、 檢索服務(wù)器仍可重新指定字符集
project.default_charset = UTF-8
服務(wù)器連接參數(shù)
服務(wù)端連接參數(shù)的格式包含 3 種格式：
; 索引服務(wù)端配置，默認(rèn)值為 8383 server.index = 8383 ; 搜索服務(wù)端配置，默認(rèn)值為 8384 server.search = 8384
Note: 自
1.4.7起，服務(wù)端地址可以使用;分隔指定多個(gè)。 索引更新將同步到所有服務(wù)端，而搜索則隨機(jī)從中挑選一個(gè)可用的服務(wù)端以達(dá)到均橫效果。端口號(hào)(數(shù)字)，連接
localhost的該端口號(hào) (例：8383)地址:端口號(hào)，冒號(hào)連接地址（域名、IP地址）和端口 (例：
127.0.0.1:8383)文件路徑，本機(jī)的
unix socket連接路徑 (例：/tmp/index.sock)
每個(gè)搜索項(xiàng)目均可以簡單地理解為單表檢索，凡是涉及關(guān)聯(lián)表的， 請將關(guān)聯(lián)記錄轉(zhuǎn)換為搜索項(xiàng)目的新字段并設(shè)置對應(yīng)的分詞規(guī)則。字段設(shè)計(jì)很重要， 請仔細(xì)根據(jù)需求創(chuàng)建，字段名建議和您的實(shí)際數(shù)據(jù)庫字段一致。
定義字段
每個(gè)字段用一個(gè)區(qū)段配置來表示，中括號(hào)內(nèi)的名字即為字段名。每個(gè)項(xiàng)目包含若干個(gè)字段， 具體由項(xiàng)目搜索需求決定，并不需要一味的與實(shí)際源數(shù)據(jù)庫 (如
MYSQL) 一致， 而只需要設(shè)計(jì)搜索功能所涉及的字段即可。[field_name]
字段選項(xiàng)
每個(gè)字段根據(jù)實(shí)際情況指定字段選項(xiàng)，所有選項(xiàng)均有默認(rèn)值，所以即便不指定任何選項(xiàng)而只有中括號(hào)定義的字段， 那也是一個(gè)合法的字段，字段選項(xiàng)包括以下幾種：
type 字段類型
type = string
index 索引方式
xunsearch 的索引有 2 種模式：其一是不標(biāo)明字段的檢索，稱之為“混合區(qū)檢索”；其二是標(biāo)明特定字段的“字段檢索”。 例如：搜索
XXX YYY表示在混合區(qū)檢索，返回的結(jié)果可能是 title 也有可能是 body 字段符合匹配； 而搜索title:XXX則表示僅檢索 title 匹配 XXX 的數(shù)據(jù)。每個(gè)字段可以指定的索引方式的值如下：通常情況默認(rèn)值為 none ，但 id 型字段默認(rèn)是 self ，title 型字段是 both ，body 型字段則固定為 mixed 。
index = none
tokenizer 分詞器
默認(rèn)為 default 采用內(nèi)置的功能強(qiáng)大的 scws 分詞，適合絕大多數(shù)字符串字段。也可以指定自定義分詞器， 格式為 name 或 name(arg) 兩種形式，其中 name 是分詞器名稱，arg 則是傳遞給分詞器構(gòu)造函數(shù)的參數(shù)。 自定義分詞器需要在 lib/ 目錄下編寫名為 XSTokenizerName 的分詞類并實(shí)現(xiàn)接口 XSTokenizer， 內(nèi)置支持的分詞器有以下幾種：
tokenizer = default
Note: 小括號(hào)內(nèi)的值表示參數(shù)，中括號(hào)表示省略后的默認(rèn)值，實(shí)際編寫請勿照抄中括號(hào)！?。?/p>
cutlen 搜索結(jié)果摘要截取長度
默認(rèn)值為 0 表示不截取。主要是針對某些內(nèi)容特別長的字段在返回結(jié)果時(shí)自動(dòng)剪取包含關(guān)鍵詞的一小段文字。 典型的是 body 型字段默認(rèn)為 300 。長度單位是字節(jié)，通常 UTF-8 編碼的一個(gè)漢字為 3 個(gè)字節(jié)。
cutlen = 0
weight 混合區(qū)檢索時(shí)的概率權(quán)重
在混合檢索時(shí)，可以對標(biāo)題和內(nèi)容等不同字段進(jìn)行權(quán)重計(jì)算，如果你不想該字段參與計(jì)算權(quán)重可設(shè)為 0 。 通常默認(rèn)值為 1 ，但 title 型默認(rèn)為 5 而 body 型則固定為 1 。
weight = 1
phrase 是否支持精確檢索
即當(dāng)給搜索語句加上引號(hào)時(shí)，則要求匹配的結(jié)果必須嚴(yán)格按照搜索詞的順序匹配，此外還支持用 NEAR 之類的語法來做精確檢索，具體參見：搜索技巧 。通常默認(rèn)值為 no 但是 title 和 body 型字段默認(rèn)則為 yes 。值得注意的是該功能僅支持默認(rèn)分詞器，如非必要請勿開啟此項(xiàng)， 因?yàn)檫@會(huì)增加索引數(shù)據(jù)的大小。
phrase = no
non_bool 強(qiáng)制指定是否為布爾索引
布爾索引不參與權(quán)重排名計(jì)算，默認(rèn)情況下所有自定義分詞器的字段均為布爾索引。因此， 當(dāng)您使用自定義分詞器卻又想讓本字段參與權(quán)重計(jì)算的話，請將本項(xiàng)設(shè)為 yes。
non_bool = yes
full 表示本字段的值整體作為一個(gè)檢索詞，像各種 ID 都適合這種情況
none 表示本字段沒有任何詞匯用于索引
split([ ]) 表示根據(jù)參數(shù)分割內(nèi)容，默認(rèn)參數(shù)為空格，若參數(shù)以 / 開頭并以 / 結(jié)尾則 內(nèi)部調(diào)用
preg_split(arg, ..)來分割取詞，以支持正則或其它特殊字符分割xlen([2]) 表示根據(jù)指定參數(shù)長度分段取詞，如 ABCDEF => AB + CD + EF
xstep([2]) 表示根據(jù)指定參數(shù)步長逐段取詞，如 ABCDEF => AB + ABCD + ABCDEF
scws([3]) 表示采用指定參數(shù)為復(fù)合等級(jí)的 scws 分詞，（若無特殊復(fù)合需求，無需指定）
none 不做索引，所有的搜索匹配均與本字段無關(guān)，這個(gè)字段只用于排序或搜索結(jié)果展示用到。
self 字段索引，可以在搜索時(shí)用 field:XXX 來檢索本字段
mixed 混合區(qū)索引，不標(biāo)明字段的默認(rèn)搜索也可以檢索本字段
both 相當(dāng)于 self + mixed，兩種情況均索引
string 字符型，適用多數(shù)情況，也是默認(rèn)值
numeric 數(shù)值型，包含整型和浮點(diǎn)數(shù)，僅當(dāng)字段需用于以排序或區(qū)間檢索時(shí)才設(shè)為該類型，否則請使用 string 即可
date 日期型，形式為 YYYYmmdd 這樣固定的 8 字節(jié)，如果沒有區(qū)間檢索或排序需求不建議使用
id 主鍵型，確保每條數(shù)據(jù)具備唯一值，是索引更新和刪除的憑據(jù)，每個(gè)搜索項(xiàng)目必須有且僅有一個(gè) id 字段，該字段的值不區(qū)分大小寫
title 標(biāo)題型，標(biāo)題或名稱字段，至多有一個(gè)該類型的字段
body 內(nèi)容型，主內(nèi)容字段, 即本搜索項(xiàng)目中內(nèi)容最長的字段，至多只有一個(gè)該類型字段，本字段不支持字段檢索
下面是 discuz 搜索項(xiàng)目的配置示范文件，包含 12 個(gè)字段。其中可以看到 tid 和 fid 雖然從內(nèi)容上講它們都是數(shù)字型，但沒有排序需求所以仍應(yīng)為 string 類型，而 dateline 由于有排序需求，所以必須指定為 numeric 類型。
project.name = sample project.default_charset = GBK ;server.index = 8383 ;server.search = 8384 [pid] type = id [subject] type = title [message] type = body [dateline] type = numeric [author] index = both [authorid] [tid] index = self tokenizer = full [fid] index = self tokenizer = full [flag]
更多建議：