引擎初始化开启NotUsingSegmenter，运行程序会出现panic，比如用以下例子：

package main

import (
"github.com/huichen/wukong/engine"
"github.com/huichen/wukong/types"
"log"
)

var (
// searcher是线程安全的
searcher = engine.Engine{}
)

func main() {
// 初始化
searcher.Init(types.EngineInitOptions{
SegmenterDictionaries: "../../data/dictionary.txt",
NotUsingSegmenter: true,
})
defer searcher.Close()

// 将文档加入索引，docId 从1开始
searcher.IndexDocument(1, types.DocumentIndexData{Content: "此次百度收购将成**互联网最大并购"}, false)
searcher.IndexDocument(2, types.DocumentIndexData{Content: "百度宣布拟全资收购91无线业务"}, false)
searcher.IndexDocument(3, types.DocumentIndexData{Content: "百度是**最大的搜索引擎"}, false)

// 等待索引刷新完毕
searcher.FlushIndex()

// 搜索输出格式见types.SearchResponse结构体
log.Print(searcher.Search(types.SearchRequest{Text: "中"}))

}

这个段程序无法执行。

比如：索引查询之后 能够返回文章的标题，作者等信息（不需要查找数据库），水平拆库拆表 极限情况 是 30条数据 要 有 30次socket连接（因为对应30个不同的数据库），这样查询 列表可以 直接从索引查到，而不是 仅仅只能获取id，再从数据库取数据

WIN下 关闭之后在重新启动，经常会出现这个，难道每次重启都必须重新索引么。无法打开数据库db/wukong.0: open db/wukong.0: The file exists

wukong/testdata/crawl_weibo_data.go **使用的两个包不存在项目中
import ( "flag" "fmt" "github.com/huichen/gobo" "github.com/huichen/gobo/contrib" "io/ioutil" "log" "os" "strings" "time" )

以下两个包不存在 项目工程中
"github.com/huichen/gobo" "github.com/huichen/gobo/contrib"

您好，我使用了您的悟空搜索，线上稳定了运行了3个月左右，用于对于商品信息的搜索，但是昨天出现了严重的panic错误，导致程序奔溃了，panic错误如下：
2016/07/24 15:49:09 载入sego词典 data/dictionary.txt
panic: runtime error: index out of range

goroutine 1674871 [running]:
panic(0x9bccc0, 0xc82000a040)
/usr/local/go/src/runtime/panic.go:464 +0x3e6
github.com/huichen/wukong/engine.(_Engine).rankerRankWorker(0xf737e0, 0x1)
/opt/go/src/github.com/huichen/wukong/engine/ranker_worker.go:37 +0x24c
created by github.com/huichen/wukong/engine.(_Engine).Init
/opt/go/src/github.com/huichen/wukong/engine/engine.go:158 +0xeab
希望您帮忙解决下，注：sego词典我用的是空词典

请问如何做range查询，主要是数字的range查询
还有关于索引的持久化，现在的索引是放在内存的，重启后就需要重建，如果文本量比较大的话，这个就比较麻烦。。

windows下跑了demo，内存占到近540M，整个weibo_data不到2M，为什么占这么多内存？

做大数据方面的应用，java跑8G都可以，go程序内存太大的话有没有问题？

请问，搜索得到的结果能不能带一些文档的属性。

例如搜索得到的结果包括文档的创建人，创建时间，所属栏目等属性。
我是用数据库的某条记录作索引，返回的结果想带上这条记录的属性。

悟空怎么为mongodb做全文索引呢？

如题

请问，如何根据docId得到ScoredDocument？

// 设置超时
		deadline := time.Now().Add(time.Nanosecond * time.Duration(NumNanosecondsInAMillisecond*request.Timeout))
		for shard := 0; shard < engine.initOptions.NumShards; shard++ {
			select {
			case rankerOutput := <-rankerReturnChannel:
				if !request.CountDocsOnly {
					for _, doc := range rankerOutput.docs {
						rankOutput = append(rankOutput, doc)
					}
				}
				numDocs += rankerOutput.numDocs
			case <-time.After(deadline.Sub(time.Now())):
				isTimeout = true
				break
			}
		}

如果设置了超时，而且确实是超时了，那么进入 下面那条case了，那么原来的rankerReturnChannel要返回的rankerOut就无法正常返回了，阻塞了，而且会影响下次search的结果会返回上次是结果

做得不错.
样例在win 32位下不能通过.

最近的改动导致搜索的第一条结果被吃掉了。即使我设置RankOptions.OutputOffset:0; 如果去掉OutputOffset, 那么第一条显示出来了，第二条丢了。
这怎么办呢？

@huichen 邀请你这位大牛来小弟建的这个讨论大数据的群，真心希望可以和兄弟你交流大数据方面的东西，而且咱们还算是老乡（^v^）Go 大数据 42731170
http://shang.qq.com/wpa/qunwpa?idkey=83ee3e1a4be6bdb2b08a51a044c06ae52cf10a082f7c5cf6b36c1f78e8b03589

关键词 现在按照【并且】的方式查询，是否可以按照【或者】来搜索。即任何一个关键词在文档中出现就算搜到？

原文档的结构类似如下：
type Doc struct{
CreateTime time.Time
Content string
}
使文档的Content作为索引，最后进行搜索，如何让结果以 CreateTime时间降序排列，而不是使用Scores进行排序？
先谢了！

感觉这么大一个文件放在git里面 把版本库撑得很大 是否考虑重新开一个项目来存放测试相关的数据呢?

请教一下，这个术语，是本项目专门发明的，还是搜索引擎已有的一个概念？

我搜索“紧邻距离”或"Token Proximity"，都没有找到相关解释，在 wikipedia上搜索 Token Proximity ，也没搜到，感觉这个术语是您发明的？

我就用最简单的范例
加入这一句 searcher = engine.Engine{} ，程序虽然能build，但一运行就退出，显示 Killed: 9 ，没有更多信息。

把这句删掉就正常。

go version go1.8 darwin/amd64

目前项目要实现自动选择正确名称的功能，但不需要全文检索。
假如数据库中有如下数据:

深圳市百度中学
深圳市谷歌小学
深圳市实验小学
深圳市实验小学
深圳市实验小学
深圳市实验小学
深圳市实验小学
深圳市实验 小学
深圳市百度中学

根据词频挖掘：
当输入“深圳市”的时候，出现词频最高的

深圳市实验小学
深圳市百度中学

打开http://localhost:8080/毛都没有啊，还需要自己写个页面搜索吗？

还以为提供了static/index.html呢

比如万科A的股票代码000002， 放到词典中，分词情况如下：
1、000002前后是中文或空格，比如"万科000002将于..."，这时可以分词成功；
2、000002前后是英文，比如“new000002abc”,这时分词不了了
是不是哪里有配置呢？

现在编译，报错：go build github.com/cznic/zappy: c:\go\pkg\tool\windows_amd64\cgo.exe: exit status 2

例如应用中需要对电影进行搜索，索引了“龙门镖局”，但是希望用户搜索long、longmen、lmbj也能得到相应“龙门镖局”的结果。

我想到的方案是先得到“龙门镖局”的分词，再计算所有分词的拼音，做为labels增加到索引中。

不知道我的方案是否正确，或者有其他方案实现。

图中搜索的是你 (wq), 结果搜索的是人(w)

搜索只支持AND搜索吗？

索引数据量非常大，内存放不下，所以用了持久存储，而持久存储在每次添加索引后的searcher.FlushIndex()动作是全局更新磁盘上的索引数据，还是增量添加？

为何有时候添加完后，前后同样的关键词，前一次搜索有结果，后一次搜索没结果？

如果想搜索Mysql的数据，要怎么用

评论规则必须是在建索引的时候指定么？
评分规则�如果可以在search的时候进行指定的话，查询会更灵活吧？因为有时候在查询的时候，需要针对不同的filed进行排序获取最后的结果

Demo好像挂了...

建议将...feedback.md中的"...捐赠，我的淘宝/paypal/wallet账号..."，其中的“淘宝”换为“支付宝”。

目前看来要修改索引器的代码...有什么提示吗？

你好，我在使用时发现如果建立索引时不加labels，可以成功搜索到所有满足条件的记录，但是如果索引时加上labels，且不同文档之间有相同labels时(文档中也包含了labels关键字)，搜索该label关键字会遗漏很多记录，每次必现，微博那个demo加上labler后测试也有这个情况，似乎是个bug

github.com/cznic/zappy

:0: sorry, unimplemented: 64-bit mode not compiled in
FAIL github.com/cznic/zappy [build failed]

go小白求教

我觉得这个是架构设计的问题，因为不同shard之间，数据不同，多个关键词同时匹配时，只是在当前shard中查找，因此，shard数会不同，检索的结果也会不同。
那么，是不是应该把shard当中分类搜索功能呢？

如题：
很想知道wukong的处理流程，整体设计，及文档建立索引是怎么回事；怎么讲倒排索引在硬盘上存储更小，查询更快

Token Proximity相关

https://github.com/huichen/wukong/blob/master/docs/token_proximity.md 中，Token Proximity计算公式，有什么参考依据嘛？

试了下，如果搜索关键词有任一一个在文档中找不到，该文档就不会被纳入搜索结果中。是不是可以加个选项，关键词可以选择按照【并且】（现在的），以及【或者】来搜索。即任何一个关键词在文档中出现就算搜到

比如输入 深圳实验小学 分词： 深圳/实验/小学 结果里面可以有 深圳 XXX 小学
现在的好像是只有全部分词都匹配才出现在结果中吧？

TL;DR:

同样的代码，但是 clone 的时候体积更小，可以访问 https://github.com/zhuangya/wukong.git

我会尽量保持和 upstream 同步

如同在 codelab 里写的一样，在 git 中去掉了 weibo_data.txt 来让代码在 clone 的时候体积更小，但是不错从 git 历史中把它去掉是没有太大改善的。

所以我做了一些这方面的是工作，包括：

• 在整个 git 历史中，去掉了 weibo_data.txt
• 在整个 git 历史中，去掉了 data/ 目录，取而代之的是将它以 submodule 的形式引入到代码库中
• 更新了 codelab 中 weibo_data.txt 的地址。
• 创建了一个新的用来存放这些体积很大又不会有经常改变的文件的 git repo:wukong-data

由于更改了整个 git 的历史，所以没有共同的 tree-ish parent 也就没有办法发 pull-request 了。

@huichen 如果你希望让wukong的代码库 clone 起来体积更小，可以来看一下我这边做的相关的事情 😄

相关的 links

https://help.github.com/articles/remove-sensitive-data/
http://rtyley.github.io/bfg-repo-cleaner/
https://git-lfs.github.com/

wukong实在是太好了，精华中的精华，感谢huichen！

我使用Wukong索引了数据库的一个字段并且将索引的文件存储在本地，然后在搜索阶段载入文件，但是载入相当慢。

the issue seems as same as the issue 25 of sego repository. Pls read the details on page : huichen/sego#25