...SCWS目前只能做成这样？ 目前我企图将抓取后的内容剔除全部不可分词要素之后在交给SCWS。但是，发现似乎总是会漏掉一些，或者有一些东西是未知的不可分词要素干扰，导致无法正确分词。 请教Hightman究竟该如何完成这一...
现在网页上下载的已经全部统一为GBK编码了，目前测试在MACOS下面不会乱码了。看抓图
...也不一样，我该如何来建立索引呢？ 我如果把所有的表全部合并到一个表中提交到索引库中，这样会显得有点乱？ 还是我为每一个表，建立一个项目？ 有什么好的解决方案？ 谢谢[hr]
我也想让它一次性全部返还记录集，但是当结果记录集超过100的时候，一次只能取出从偏移开始的前100条记录，求高手赐教
...强制指定DB库来测试一下呢？ [/quote] 原來的數據已經全部被折騰壞了，現在正在重新生成索引。
xs-import 才是真正同步导入的进程，不要杀死。写入索引时占用CPU确实很高，这是正常的。 PHP 脚本上显示的完成只是将你的数据全部保存到缓存区，并不是真正写入到索引数据库中。
“人们”“人家”“人民”是要全部去掉的。毕竟我们不是做搜索引擎，这类词根本没有什么特殊意义。 比如说 “到” 这个可以组成很多词的 得到，做到，想到，跑到，到达…… 过滤的词新增加文本词典，我要一个个...
...即通过 rules.ini 自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) ...
从6月15日起，旧的数据索引全部无法正常检索到，但是索引文件正常，查看 db_a 目录下面的文件如下： [img]http://v2.freep.cn/110_3tb_140616103040wm9q512293.jpg[/img] 新的數據加入後，重新生成了新的索引文件，也只能檢索新的數據， db ...