Zend Lucene - 标记化瑞典语字符

Question

我使用Zend Lucene来索引瑞典文本。问题在于lucene在瑞典字符åäö上标记了单词。例如，单词“världens”在索引中变成两个单词“v”和“ldens”。

有没有一种方法可以添加zend lucene应该接受并且不会标记的字符？

Answer 1

使用UTF-8 compatible text analyzer代替default text analyzer进行标记。请注意，这需要使用UTF-8支持编译PHP的PCRE（与Perl兼容的正则表达式）库（默认情况下，如果您使用与PHP捆绑在一起的PCRE库，但在使用共享库时可能未启用）。对于不区分大小写的UTF-8兼容分析仪版本，您还需要启用mbstring扩展。

Answer 2

使用分析仪。请参阅关于text analysis，using utf8和文档约writing your own analyser的文档。我建议你只使用UTF-8分析仪。