sphinx应用,中文分词核心配置！

开篇说下本人对sphinx和coreseek之间关系的理解:coreseek是在sphinx的基础上的一个中文分词插件,也就是说如果你不用coreseek的sphinx集成版本的话，得下载其他的中文分词插件才能进行中文分词;其他的插件我所知道的就是SFC。
本文是一个在sphinx(斯芬克斯)基本运行环境都配置好的基础上来说的;可谓本文是"先走后爬"呀,管他的哟!
coreseek-3.2.13兼容sphinx-0.9.9的配置，可以不经修改，即可直接使用。
不过，为了更好的针对中文进行检索，则需要使用coreseek新增的配置参数，设置中文分词。
以下是中文分词的核心配置，请仔细阅读，应用到自己的配置之中：

source 数据源名称a
{
#......
#该部分的配置，直接采用sphinx的配置，无需更改即可直接使用
#......
}
index 索引名称a
{

#以下部分的配置，直接采用sphinx的配置，无需更改即可直接使用
#......
source = 数据源名称a #对应到source
path = var/data/数据源名称a
docinfo = extern
mlock = 0
morphology = none
min_word_len = 1
html_strip = 0
#......
#以上部分的配置，直接采用sphinx的配置，无需更改即可直接使用

#以下部分为中文分词核心配置
charset_dictpath = /usr/local/mmseg3/etc/
charset_type = zh_cn.utf-8
#charset_table = .................... #需将原有的该配置注释掉
ngram_len = 0
#以上部分为中文分词核心配置
}
中文分词核心配置说明：
charset_dictpath=/usr/local/mmseg3/etc/
表示词典文件的目录，该目录下必须有uni.lib词典文件存在；
uni.lib词典文件的制作，请参mmseg词典的构造
因为BSD/Linux默认安装在/usr/local/mmseg3/etc下面，则使用/usr/local/mmseg3/etc/即可；
如果是在Windows系统下，则为词典所在的实际路径，结尾必须使用/，例如：F:\coreseek-3.2.13-win32\etc/
测试时，如果出现Unigram dictionary load Error或者Segmentation fault，一般为词典路径设置不正确。
charset_type=zh_cn.utf-8
表示启用中文分词功能；否则中文分词功能无效，使用sphinx的其他处理模式。
启用中文分词功能后，需要source数据源之中，读取的数据编码字符集为UTF-8，否则无法正确处理；
如果是xml，则正确输出为UTF-8编码格式即可；
如果是mysql，则设置读取数据输出字符集为UTF-8即可：
MySQL4.1起可以通过SET NAMES UTF8设定输出字符集为UTF-8，即使原始数据为GBK也可；
MySQL4.1以下版本，请解决GBK或者Latin1输出为UTF-8问题；
#charset_table=......
ngram_len=0
表示取消原有的一元字符切分模式，不对中文分词产生干扰；
charset_table的配置需要注释掉！

ngram_len的配置需要设置为0！

配制文件示例：

index threadsinfo{

 source                                  = info
        path                                    = /usr/local/coreseek/var/data/info
         docinfo = extern
        mlock = 0
        morphology = none
        #### ........
        min_word_len = 2
         charset_type = zh_cn.utf-8  #这是关键处
        #charset_table = 0..9, A..Z->a..z, _, a..z, U+410..U+42F->U+430..U+44F, U+430..U+44F
        min_prefix_len = 0
        enable_star = 1
        html_strip = 1
        ngram_chars = U+3000..U+2FA1F
        charset_dictpath=/usr/local/mmseg3/etc  #这是关键处
        ngram_len = 0  #这是关键处
}