这个是最新一期的更新修改的，当数字、字母连续3个以上时就不作为混杂元素了，会将它们切开。 起初是因为 iso9001 没有切词导致搜索 iso 或 9001均搜索不到
...， 我定义了个词库，可是一用这个词库，就分不出来，数字和英文除外。 比如我定义“南瓜汤”，“番茄汤”作为一个词库，(测试用的，只放2个词在词库)， 然后对这句话进行分词“我爱喝南瓜汤，番茄汤”进行分词， 希...
...用范围似乎特别的窄…… 对于一个页面来说，通常含有数字、英文、英文标点、中文标点、中文等文字要素（可阅读部分，HTML已过滤），视情况而定，搜索引擎还有可能抓出含有乱码的片段。 但是SCWS分词时似乎要求字符串中...
...= none cutlen = 0 weight = 0 phrase = no non_bool = no [hash_64];纯数字的图片hash值 长度是固定的64位整数 非唯一 但相同的值比较多 type = string;应该不能用numeric类型吧？ index = self tokenizer = none;要实现匹配一个64位数值是完全相等的 不...
通常英文是不需要分词的，但很多时候词性是需要的，比如nike，dior这类品牌英文。 目前默认词性都是en，有什么办法可否自定义词典来改变他的词性。 还有个问题，就是纯数字的词性为什么是en呢，不是m? 望赐教。
... 服务端连接参数的格式包含 3 种格式： 1. *端口号(数字)*，连接 `localhost` 的该端口号 (例：`8383`) 2. *地址:端口号*，冒号连接地址（域名、IP地址）和端口 (例：`127.0.0.1:8383`) 3. *文件路径*，本机的 `unix socket` 连接路径...
...可能有问题) 创建XDB文件是根据 foreach $rec[$k] 里面的数字排序的 那样 XDB和TXT里面的排序完全改变了 目前的情况是我导出TXT在创建XDB 分词速度比之前慢了2倍 这个问题很想知道原因T-T XDB->TXT这似乎是一个很难逆转或...
...明显，它是主键，所以它的类型必须是 `id` - `fid` 内容为数字的版块ID，但由于我们不需要对它进行排序或区间查找，所以用 `string` 类型即可， 为了按版块检索，我们必须对它进行索引，而它也不需要分词，所以分词器用内置...
...动识别出来的词有可能超过 255 字，如全部连续的双字节数字或字母．超过 255 字后 这里的 j 将变得不正确可能导致 item-> 指向 NULL , 故加入以下红色部分判断． [code] static void _scws_mset_word(scws_t s, int i, int j) { word_t item; item...