创建分布式表

形态学预处理器可以在索引时应用于单词，以规范化同一单词的不同形式并改进分词。例如，英文词干提取器可以将 "dogs" 和 "dog" 规范化为 "dog"，从而这两个关键词的搜索结果相同。

Manticore 有四种内置的形态学预处理器：

词形还原器（Lemmatizer）：将单词还原为其根或词元。例如，“running”可还原为“run”，“octopi”可还原为“octopus”。注意，有些单词可能有多个对应的根形式。例如，“dove”既可以是“dive”的过去式，也可以是名词“鸽子”，如在句子“A white dove flew over the cuckoo's nest.”中。此时，词形还原器可以生成所有可能的根形式。
词干提取器（Stemmer）：通过移除或替换某些已知的后缀，将单词还原为词干。所得的词干不一定是有效词。例如，Porter 英文词干提取器会将“running”还原为“run”，“business”还原为“busi”（非有效词），且不会还原“octopi”。
语音算法：将单词替换为语音编码，即使单词不同但发音相近，编码也相同。
分词算法：将文本拆分成词。目前仅对中文有效。

morphology = morphology1[, morphology2, ...]

morphology 指令指定要应用于被索引单词的一系列形态学预处理器。这是一个可选设置，默认是不应用任何预处理器。

Manticore 具有内置的形态学预处理器，支持：

英语、俄语和德语的词形还原器
英语、俄语、阿拉伯语和捷克语的词干提取器
SoundEx 和 MetaPhone 语音算法
中文分词算法
Snowball（libstemmer）词干提取器，支持超过15 种其他语言。

词形还原器需要字典 .pak 文件，可以通过 manticore-language-packs 包安装，或者从Manticore官网下载。后一种情况需要将字典放入由 lemmatizer_base 指定的目录。

此外，设置 lemmatizer_cache 可以通过使用更多内存缓存未压缩字典，加快词形还原速度。

中文分词可以使用 ICU 或 Jieba（需要安装 manticore-language-packs 包）。这两个库提供比 n-gram 更精准的分词，但速度稍慢。 charset_table 必须包含所有中文字符，可以使用 cont、cjk 或 chinese 字符集来实现。当设置 morphology=icu_chinese 或 morphology=jieba_chinese 时，文档首先由 ICU 或 Jieba 预处理，然后分词器根据 charset_table 处理结果，最后应用 morphology 选项的其他形态处理器。仅包含中文的文本部分会传递给 ICU/Jieba 进行分词，其他部分可以通过不同方法（如不同形态学处理或 charset_table）进行修改。

内置的英语和俄语词干提取器速度快于对应的 libstemmer 版本，但可能产生略有不同的结果。

Soundex 实现与 MySQL 一致。Metaphone 实现基于双重 Metaphone 算法，索引其主码。

要使用 morphology 选项，请指定一个或多个内置选项，包括：

none：不执行任何形态学处理
lemmatize_ru - 使用俄语词形还原器，选择单一根形式
lemmatize_uk - 使用乌克兰语词形还原器，选择单一根形式（请先在 Centos 或 Ubuntu/Debian 安装）。为保证词形还原器正常工作，务必保留 charset_table 中的乌克兰特有字符，因默认不会保留。可通过如下方法覆盖：charset_table='non_cont,U+0406->U+0456,U+0456,U+0407->U+0457,U+0457,U+0490->U+0491,U+0491'。此处有一个关于如何安装和使用乌克兰词形还原器的交互课程。
lemmatize_en - 使用英语词形还原器，选择单一根形式
lemmatize_de - 使用德语词形还原器，选择单一根形式
lemmatize_ru_all - 使用俄语词形还原器，索引所有可能的根形式
lemmatize_uk_all - 使用乌克兰语词形还原器，索引所有可能的根形式。安装链接见上，注意 charset_table 设置。
lemmatize_en_all - 使用英语词形还原器，索引所有可能的根形式
lemmatize_de_all - 使用德语词形还原器，索引所有可能的根形式
stem_en - 使用 Porter's 英语词干提取器
stem_ru - 使用 Porter's 俄语词干提取器
stem_enru - 使用 Porter's 英语和俄语词干提取器
stem_cz - 使用捷克语词干提取器
stem_ar - 使用阿拉伯语词干提取器
soundex - 用 SOUNDEX 代码替换关键词
metaphone - 用 METAPHONE 代码替换关键词
icu_chinese - 使用 ICU 进行中文分词
jieba_chinese - 使用 Jieba 进行中文分词（需安装 manticore-language-packs 包）
libstemmer_* 。详情请参考支持语言列表

可以指定多个词干提取器，用逗号分隔。它们将按列出的顺序应用于传入的单词，一旦其中一个词干提取器修改了单词，处理将停止。此外，当启用wordforms功能时，将首先在词形变化字典中查找该词。如果字典中有匹配的条目，则完全不会应用词干提取器。wordforms可以用来实现词干提取的例外情况。

‹›

SQL
JSON
PHP
Python
Python-asyncio
javascript
Java
C#
Rust
CONFIG

📋

CREATE TABLE products(title text, price float) morphology = 'stem_en, libstemmer_sv'

POST /cli -d "CREATE TABLE products(title text, price float)  morphology = 'stem_en, libstemmer_sv'"

$index = new \Manticoresearch\Index($client);
$index->setName('products');
$index->create([
            'title'=>['type'=>'text'],
            'price'=>['type'=>'float']
        ],[
            'morphology' => 'stem_en, libstemmer_sv'
        ]);

utilsApi.sql('CREATE TABLE products(title text, price float) morphology = \'stem_en, libstemmer_sv\'')

await utilsApi.sql('CREATE TABLE products(title text, price float) morphology = \'stem_en, libstemmer_sv\'')

res = await utilsApi.sql('CREATE TABLE products(title text, price float) morphology = \'stem_en, libstemmer_sv\'');

utilsApi.sql("CREATE TABLE products(title text, price float) morphology = 'stem_en, libstemmer_sv'", true);

utilsApi.Sql("CREATE TABLE products(title text, price float) morphology = 'stem_en, libstemmer_sv'", true);

utils_api.sql("CREATE TABLE products(title text, price float) morphology = 'stem_en, libstemmer_sv'", Some(true)).await;

table products {
  morphology = stem_en, libstemmer_sv
  type = rt
  path = tbl
  rt_field = title
  rt_attr_uint = price
}

morphology_skip_fields = field1[, field2, ...]

要跳过形态学预处理的字段列表。可选，默认是空（对所有字段应用预处理器）。

‹›

SQL
JSON
PHP
Python
Python-asyncio
javascript
Java
C#
Rust
CONFIG

📋

CREATE TABLE products(title text, name text, price float) morphology_skip_fields = 'name' morphology = 'stem_en'

POST /cli -d "
CREATE TABLE products(title text, name text, price float) morphology_skip_fields = 'name' morphology = 'stem_en'"

$index = new \Manticoresearch\Index($client);
$index->setName('products');
$index->create([
            'title'=>['type'=>'text'],
            'price'=>['type'=>'float']
        ],[
            'morphology_skip_fields' => 'name',
            'morphology' => 'stem_en'
        ]);

utilsApi.sql('CREATE TABLE products(title text, price float) morphology_skip_fields = \'name\' morphology = \'stem_en\'')

await utilsApi.sql('CREATE TABLE products(title text, price float) morphology_skip_fields = \'name\' morphology = \'stem_en\'')

res = await utilsApi.sql('CREATE TABLE products(title text, price float) morphology_skip_fields = \'name\' morphology = \'stem_en\'');

utilsApi.sql("CREATE TABLE products(title text, price float) morphology_skip_fields = 'name' morphology = 'stem_en'", true);

utilsApi.Sql("CREATE TABLE products(title text, price float) morphology_skip_fields = 'name' morphology = 'stem_en'", true);

utils_api.sql("CREATE TABLE products(title text, price float) morphology_skip_fields = 'name' morphology = 'stem_en'", Some(true)).await;

table products {
  morphology_skip_fields = name
  morphology = stem_en
  type = rt
  path = tbl
  rt_field = title
  rt_field = name
  rt_attr_uint = price
}

min_stemming_len = length

启用词干提取的最小单词长度。可选，默认值为1（对所有单词进行词干提取）。

词干提取器并不完美，有时可能产生不理想的结果。例如，将"gps"关键词通过英语的Porter词干提取器处理会得到"gp"，这并不是预期的结果。min_stemming_len功能允许您根据源单词长度抑制词干提取，即避免对过短的单词进行词干提取。比给定阈值短的关键词将不会被词干提取。请注意，长度恰好等于指定值的关键词会被词干提取。所以要避免对3字符关键词进行词干提取，您应该将值设为4。若需更细粒度的控制，请参考wordforms功能。

‹›

SQL
JSON
PHP
Python
Python-asycnio
javascript
Java
C#
Rust
CONFIG

📋

CREATE TABLE products(title text, price float) min_stemming_len = '4' morphology = 'stem_en'

POST /cli -d "
CREATE TABLE products(title text, price float) min_stemming_len = '4' morphology = 'stem_en'"

$index = new \Manticoresearch\Index($client);
$index->setName('products');
$index->create([
            'title'=>['type'=>'text'],
            'price'=>['type'=>'float']
        ],[
             'min_stemming_len' => '4',
             'morphology' => 'stem_en'
        ]);

utilsApi.sql('CREATE TABLE products(title text, price float) min_stemming_len = \'4\' morphology = \'stem_en\'')

await utilsApi.sql('CREATE TABLE products(title text, price float) min_stemming_len = \'4\' morphology = \'stem_en\'')

res = await utilsApi.sql('CREATE TABLE products(title text, price float) min_stemming_len = \'4\' morphology = \'stem_en\'');

utilsApi.sql("CREATE TABLE products(title text, price float) min_stemming_len = '4' morphology = 'stem_en'", true);

utilsApi.Sql("CREATE TABLE products(title text, price float) min_stemming_len = '4' morphology = 'stem_en'", true);

utils_api.sql("CREATE TABLE products(title text, price float) min_stemming_len = '4' morphology = 'stem_en'", Some(true)).await;

table products {
  min_stemming_len = 4
  morphology = stem_en
  type = rt
  path = tbl
  rt_field = title
  rt_attr_uint = price
}

index_exact_words = {0|1}

此选项允许对原始关键词以及它们经过形态学修改的版本进行索引。但因wordforms和exceptions重映射的原始关键词无法被索引。默认值为0，表示默认禁用此功能。

这允许在查询语言中使用精确形式操作符。启用此功能将增加全文索引的大小和索引时间，但不会影响搜索性能。

‹›

SQL
JSON
PHP
Python
Python-asyncio
javascript
Java
C#
Rust
CONFIG

📋

CREATE TABLE products(title text, price float) index_exact_words = '1' morphology = 'stem_en'

POST /cli -d "
CREATE TABLE products(title text, price float) index_exact_words = '1' morphology = 'stem_en'"

$index = new \Manticoresearch\Index($client);
$index->setName('products');
$index->create([
            'title'=>['type'=>'text'],
            'price'=>['type'=>'float']
        ],[
             'index_exact_words' => '1',
             'morphology' => 'stem_en'
        ]);

utilsApi.sql('CREATE TABLE products(title text, price float) index_exact_words = \'1\' morphology = \'stem_en\'')

await utilsApi.sql('CREATE TABLE products(title text, price float) index_exact_words = \'1\' morphology = \'stem_en\'')

res = await utilsApi.sql('CREATE TABLE products(title text, price float) index_exact_words = \'1\' morphology = \'stem_en\'');

utilsApi.sql("CREATE TABLE products(title text, price float) index_exact_words = '1' morphology = 'stem_en'", true);

utilsApi.Sql("CREATE TABLE products(title text, price float) index_exact_words = '1' morphology = 'stem_en'", true);

utils_api.sql("CREATE TABLE products(title text, price float) index_exact_words = '1' morphology = 'stem_en'", Some(true)).await;

table products {
  index_exact_words = 1
  morphology = stem_en
  type = rt
  path = tbl
  rt_field = title
  rt_attr_uint = price
}

jieba_hmm = {0|1}

启用或禁用Jieba分词工具中的HMM。可选，默认是1。

在Jieba中，HMM（隐马尔可夫模型）选项指的是用于分词的算法。具体来说，它允许Jieba通过识别未知词，特别是词典中不存在的词，进行中文分词。

Jieba主要使用基于词典的方法对已知词进行分词，但在启用HMM选项时，它会应用统计模型来识别词典中不存在的词语或短语的可能词边界。这对于分割新词、罕见词、名称和俚语特别有用。

总之，jieba_hmm选项有助于提高分词准确性，但会牺牲索引性能。它必须与morphology = jieba_chinese一起使用，详见中文、日文、韩文（CJK）和泰国语言。

‹›

SQL
JSON
PHP
Python
Python-asyncio
javascript
Java
C#
Rust
CONFIG

📋

CREATE TABLE products(title text, price float) morphology = 'jieba_chinese' jieba_hmm = '0'

POST /cli -d "
CREATE TABLE products(title text, price float) morphology = 'jieba_chinese' jieba_hmm = '0'"

$index = new \Manticoresearch\Index($client);
$index->setName('products');
$index->create([
            'title'=>['type'=>'text'],
            'price'=>['type'=>'float']
        ],[
             'morphology' => 'jieba_chinese',
             'jieba_hmm'='1'
        ]);

utilsApi.sql('CREATE TABLE products(title text, price float) morphology = \'jieba_chinese\' jieba_hmm = \'0\'')

await utilsApi.sql('CREATE TABLE products(title text, price float) morphology = \'jieba_chinese\' jieba_hmm = \'0\'')

res = await utilsApi.sql('CREATE TABLE products(title text, price float) morphology = \'jieba_chinese\' jieba_hmm = \'0\'');

utilsApi.sql("CREATE TABLE products(title text, price float) morphology = 'jieba_chinese' jieba_hmm = '0'", true);

utilsApi.Sql("CREATE TABLE products(title text, price float) morphology = 'jieba_chinese' jieba_hmm = '0'", true);

utils_api.sql("CREATE TABLE products(title text, price float) morphology = 'jieba_chinese' jieba_hmm = '0'", Some(true)).await;

table products {
  morphology = jieba_chinese
  jieba_hmm = 0
  type = rt
  path = tbl
  rt_field = title
  rt_attr_uint = price
}

jieba_mode = {accurate|full|search}

Jieba 分词模式。可选；默认是 accurate。

在精准模式下，Jieba 使用词典匹配将句子切分为最精确的词语。该模式侧重于精准度，确保分词尽可能准确。

在全模式下，Jieba 尝试将句子切分成所有可能的词语组合，旨在包含所有潜在的词语。该模式侧重于最大化召回率，即尽可能识别所有词语，即便其中有重叠或较少使用的词。它返回词典中所有找到的词语。

在搜索模式下，Jieba 将文本切分为完整词和较小部分，结合精准分词与额外细节，通过提供重叠的词片段。该模式在精准度和召回率之间取得平衡，适合搜索引擎使用。

jieba_mode 应与 morphology = jieba_chinese 一起使用。参见中文、日文、韩文（CJK）和泰语。

‹›

SQL
JSON
PHP
Python
Python-asyncio
javascript
Java
C#
Rust
CONFIG

📋

CREATE TABLE products(title text, price float) morphology = 'jieba_chinese' jieba_mode = 'full'

POST /cli -d "
CREATE TABLE products(title text, price float) morphology = 'jieba_chinese' jieba_mode = 'full'"

$index = new \Manticoresearch\Index($client);
$index->setName('products');
$index->create([
            'title'=>['type'=>'text'],
            'price'=>['type'=>'float']
        ],[
             'morphology' => 'jieba_chinese',
             'jieba_mode'='full'
        ]);

utilsApi.sql('CREATE TABLE products(title text, price float) morphology = \'jieba_chinese\' jieba_mode = \'full\'')

await utilsApi.sql('CREATE TABLE products(title text, price float) morphology = \'jieba_chinese\' jieba_mode = \'full\'')

res = await utilsApi.sql('CREATE TABLE products(title text, price float) morphology = \'jieba_chinese\' jieba_mode = \'full\'');

utilsApi.sql("CREATE TABLE products(title text, price float) morphology = 'jieba_chinese' jieba_mode = 'full'", true);

utilsApi.Sql("CREATE TABLE products(title text, price float) morphology = 'jieba_chinese' jieba_mode = 'full'", true);

utils_api.sql("CREATE TABLE products(title text, price float) morphology = 'jieba_chinese' jieba_mode = 'full'", Some(true)).await;

table products {
  morphology = jieba_chinese
  jieba_mode = full
  type = rt
  path = tbl
  rt_field = title
  rt_attr_uint = price
}

jieba_user_dict_path = path/to/stopwords/file

Jieba 用户词典的路径。可选。

Jieba 是一个中文文本分词库，使用词典文件辅助分词。这些词典文件的格式如下：每行包含一个词，分为三部分用空格分隔——词语本身、词频和词性标签。词频和词性标签是可选的，可以省略。词典文件必须是 UTF-8 编码。

示例：

创新办 3 i
云计算 5
凱特琳 nz
台中

jieba_user_dict_path 应与 morphology = jieba_chinese 一起使用。详情见中文、日文、韩文（CJK）和泰语。

‹›

SQL
JSON
PHP
Python
Python-asyncio
javascript
Java
C#
Rust
CONFIG

📋

CREATE TABLE products(title text, price float) morphology = 'jieba_chinese' jieba_user_dict_path = '/usr/local/manticore/data/user-dict.txt'

POST /cli -d "
CREATE TABLE products(title text, price float) morphology = 'jieba_chinese' jieba_user_dict_path = '/usr/local/manticore/data/user-dict.txt'"

$index = new \Manticoresearch\Index($client);
$index->setName('products');
$index->create([
            'title'=>['type'=>'text'],
            'price'=>['type'=>'float']
        ],[
             'morphology' => 'jieba_chinese',
             'jieba_user_dict_path' = '/usr/local/manticore/data/user-dict.txt'
        ]);

utilsApi.sql('CREATE TABLE products(title text, price float) morphology = \'jieba_chinese\' jieba_user_dict_path = \'/usr/local/manticore/data/user-dict.txt\'')

await utilsApi.sql('CREATE TABLE products(title text, price float) morphology = \'jieba_chinese\' jieba_user_dict_path = \'/usr/local/manticore/data/user-dict.txt\'')

res = await utilsApi.sql('CREATE TABLE products(title text, price float) morphology = \'jieba_chinese\' jieba_user_dict_path = \'/usr/local/manticore/data/user-dict.txt\'');

utilsApi.sql("CREATE TABLE products(title text, price float) morphology = 'jieba_chinese' jieba_user_dict_path = '/usr/local/manticore/data/user-dict.txt'", true);

utilsApi.Sql("CREATE TABLE products(title text, price float) morphology = 'jieba_chinese' jieba_user_dict_path = '/usr/local/manticore/data/user-dict.txt'", true);

utils_api.sql("CREATE TABLE products(title text, price float) morphology = 'jieba_chinese' jieba_user_dict_path = '/usr/local/manticore/data/user-dict.txt'", Some(true)).await;

table products {
  morphology = jieba_chinese
  jieba_user_dict_path = /usr/local/manticore/data/user-dict.txt
  type = rt
  path = tbl
  rt_field = title
  rt_attr_uint = price
}

高级 HTML 分词

Last modified: August 28, 2025

html_strip = {0|1}

此选项确定是否应从传入的全文数据中去除HTML标记。默认值为0，表示禁用去除。要启用去除，请将值设置为1。

HTML标签和实体被视为标记，并将被处理。

HTML标签被移除，而它们之间的内容（例如，<p>和</p>之间的内容）保持不变。可以选择保留并索引标签属性（例如，A标签中的HREF属性或IMG标签中的ALT属性）。一些常见的内联标签，如A、B、I、S、U、BASEFONT、BIG、EM、FONT、IMG、LABEL、SMALL、SPAN、STRIKE、STRONG、SUB、SUP和TT，将完全移除。所有其他标签被视为块级标签，并用空格替换。例如，文本te<b>st</b>将被索引为单个关键词'test'，而te<p>st</p>将被索引为两个关键词'te'和'st'。

HTML实体被解码并替换为其相应的UTF-8字符。去除器支持实体的数字形式（例如ï）和文本形式（例如ó或 ），并支持HTML4标准中指定的所有实体。

去除器旨在与正确形成的HTML和XHTML一起使用，但在处理不规范的输入（例如带有游离的<'s或未关闭的>'s的HTML）时可能会产生意外结果。

请注意，仅移除标签本身以及HTML注释。要移除标签的内容，包括嵌入的脚本，请参阅html_remove_elements选项。标签名称没有限制，这意味着任何看起来是有效标签开始、结束或注释的内容都将被移除。

‹›

SQL
JSON
PHP
Python
Python-asyncio
javascript
Java
C#
Rust
CONFIG

📋

CREATE TABLE products(title text, price float) html_strip = '1'

POST /cli -d "
CREATE TABLE products(title text, price float) html_strip = '1'"

$index = new \Manticoresearch\Index($client);
$index->setName('products');
$index->create([
            'title'=>['type'=>'text'],
            'price'=>['type'=>'float']
        ],[
            'html_strip' => '1'
        ]);

utilsApi.sql('CREATE TABLE products(title text, price float) html_strip = \'1\'')

await utilsApi.sql('CREATE TABLE products(title text, price float) html_strip = \'1\'')

res = await utilsApi.sql('CREATE TABLE products(title text, price float) html_strip = \'1\'');

utilsApi.sql("CREATE TABLE products(title text, price float) html_strip = '1'");

utilsApi.Sql("CREATE TABLE products(title text, price float) html_strip = '1'");

utils_api.sql("CREATE TABLE products(title text, price float) html_strip = '1'", Some(true)).await;

table products {
  html_strip = 1
  type = rt
  path = tbl
  rt_field = title
  rt_attr_uint = price
}

html_index_attrs = img=alt,title; a=title;

html_index_attrs选项允许您指定即使其他HTML标记被去除，哪些HTML标记属性也应被索引。默认值为空，表示不会索引任何属性。该选项的格式是每个标签的可索引属性的枚举，如上例所示。指定属性的内容将被保留并索引，从而提供从全文数据中提取附加信息的方法。

‹›

SQL
JSON
PHP
Python
Python-asyncio
javascript
Java
C#
Rust
CONFIG

📋

CREATE TABLE products(title text, price float) html_index_attrs = 'img=alt,title; a=title;' html_strip = '1'

POST /cli -d "
CREATE TABLE products(title text, price float) html_index_attrs = 'img=alt,title; a=title;' html_strip = '1'"

$index = new \Manticoresearch\Index($client);
$index->setName('products');
$index->create([
            'title'=>['type'=>'text'],
            'price'=>['type'=>'float']
        ],[
            'html_index_attrs' => 'img=alt,title; a=title;',
            'html_strip' => '1'
        ]);

utilsApi.sql('CREATE TABLE products(title text, price float) html_index_attrs = \'img=alt,title; a=title;\' html_strip = \'1\'')

await utilsApi.sql('CREATE TABLE products(title text, price float) html_index_attrs = \'img=alt,title; a=title;\' html_strip = \'1\'')

res = await utilsApi.sql('CREATE TABLE products(title text, price float) html_index_attrs = \'img=alt,title; a=title;\' html_strip = \'1\'');

utilsApi.sql("CREATE TABLE products(title text, price float) html_index_attrs = \'img=alt,title; a=title;\' html_strip = '1'");

utilsApi.Sql("CREATE TABLE products(title text, price float) html_index_attrs = \'img=alt,title; a=title;\' html_strip = '1'");

utils_api.sql("CREATE TABLE products(title text, price float) html_index_attrs = \'img=alt,title; a=title;\' html_strip = '1'", Some(true)).await;

table products {
  html_index_attrs = img=alt,title; a=title;
  html_strip = 1
  type = rt
  path = tbl
  rt_field = title
  rt_attr_uint = price
}

html_remove_elements = element1[, element2, ...]

一个HTML元素列表，其内容及其自身将被移除。可选，默认值为空字符串（不移除任何元素的内容）。

此选项允许您移除元素的内容，即移除它们之间的所有内容。这对于移除嵌入的脚本、CSS等非常有用。空元素的简短标签形式（例如<br/>）得到了适当支持，这样的标签后面的文本不会被移除。

值是一个逗号分隔的元素（标签）名称列表，这些元素的内容应被移除。标签名称是不区分大小写的。

‹›

SQL
JSON
PHP
Python
Python-asyncio
javascript
Java
C#
Rust
CONFIG

📋

CREATE TABLE products(title text, price float) html_remove_elements = 'style, script' html_strip = '1'

POST /cli -d "
CREATE TABLE products(title text, price float) html_remove_elements = 'style, script' html_strip = '1'"

$index = new \Manticoresearch\Index($client);
$index->setName('products');
$index->create([
            'title'=>['type'=>'text'],
            'price'=>['type'=>'float']
        ],[
            'html_remove_elements' => 'style, script',
            'html_strip' => '1'
        ]);

utilsApi.sql('CREATE TABLE products(title text, price float) html_remove_elements = \'style, script\' html_strip = \'1\'')

await utilsApi.sql('CREATE TABLE products(title text, price float) html_remove_elements = \'style, script\' html_strip = \'1\'')

res = await utilsApi.sql('CREATE TABLE products(title text, price float) html_remove_elements = \'style, script\' html_strip = \'1\'');

utilsApi.sql("CREATE TABLE products(title text, price float) html_remove_elements = \'style, script\' html_strip = '1'");

utilsApi.Sql("CREATE TABLE products(title text, price float) html_remove_elements = \'style, script\' html_strip = '1'");

utils_api.sql("CREATE TABLE products(title text, price float) html_remove_elements = \'style, script\' html_strip = '1'", Some(true)).await;

table products {
  html_remove_elements = style, script
  html_strip = 1
  type = rt
  path = tbl
  rt_field = title
  rt_attr_uint = price
}

index_sp = {0|1}

控制句子和段落边界的检测和索引。可选，默认值为0（不进行检测或索引）。

此指令启用句子和段落边界的检测和索引，使得SENTENCE 和 PARAGRAPH 操作符可以工作。句子边界检测基于纯文本分析，只需设置index_sp = 1即可启用。段落检测依赖于HTML标记，并在HTML去除过程期间进行。因此，要索引段落边界，必须同时设置index_sp指令和html_strip指令为1。

以下规则用于确定句子边界：

问号（?）和感叹号（!）总是表示句子的边界。
结尾的点（.）表示句子的边界，除非出现以下情况：
- 后跟一个字母。这被认为是缩写的一部分（例如 "S.T.A.L.K.E.R." 或 "Goldman Sachs S.p.A."）。
- 后跟一个逗号。这被认为是缩写后跟一个逗号（例如 "Telecom Italia S.p.A., founded in 1994"）。
- 后跟一个空格和一个小写字母。这被认为是句子中的缩写（例如 "News Corp. announced in February"）。
- 前跟一个空格和一个大写字母，后跟一个空格。这被认为是中间名（例如 "John D. Doe"）。

段落边界在每个块级HTML标签处检测，包括：ADDRESS, BLOCKQUOTE, CAPTION, CENTER, DD, DIV, DL, DT, H1, H2, H3, H4, H5, LI, MENU, OL, P, PRE, TABLE, TBODY, TD, TFOOT, TH, THEAD, TR, 和 UL。

句子和段落都会使关键词位置计数器增加1。

‹›

SQL
JSON
PHP
Python
Python-asyncio
javascript
Java
C#
Rust
CONFIG

📋

CREATE TABLE products(title text, price float) index_sp = '1' html_strip = '1'

POST /cli -d "
CREATE TABLE products(title text, price float) index_sp = '1' html_strip = '1'"

$index = new \Manticoresearch\Index($client);
$index->setName('products');
$index->create([
            'title'=>['type'=>'text'],
            'price'=>['type'=>'float']
        ],[
            'index_sp' => '1',
            'html_strip' => '1'
        ]);

utilsApi.sql('CREATE TABLE products(title text, price float) index_sp = \'1\' html_strip = \'1\'')

await utilsApi.sql('CREATE TABLE products(title text, price float) index_sp = \'1\' html_strip = \'1\'')

res = await utilsApi.sql('CREATE TABLE products(title text, price float) index_sp = \'1\' html_strip = \'1\'');

utilsApi.sql("CREATE TABLE products(title text, price float) index_sp = \'1\' html_strip = '1'", true);

utilsApi.Sql("CREATE TABLE products(title text, price float) index_sp = \'1\' html_strip = '1'", true);

utils_api.sql("CREATE TABLE products(title text, price float) index_sp = \'1\' html_strip = '1'", Some(true)).await;

table products {
  index_sp = 1
  html_strip = 1
  type = rt
  path = tbl
  rt_field = title
  rt_attr_uint = price
}

index_zones = h*, th, title

一个字段内的HTML/XML区域列表，用于索引。默认值为空字符串（不会索引任何区域）。

一个“区域”定义为一对匹配的起始和结束标签之间的内容，所有共享相同标签名的span都称为一个“区域”。例如，文档字段中的 <H1> 和 </H1> 之间的内容属于H1区域。

index_zones 指令启用区域索引，但HTML stripper 也必须启用（通过设置 html_strip = 1）。index_zones 的值应为逗号分隔的标签名和通配符（以星号结尾）的列表，用于作为区域进行索引。

区域可以嵌套和重叠，只要每个起始标签都有一个匹配的标签。区域也可以用于与 ZONE 运算符匹配，如 extended_query_syntax 中所述。

‹›

SQL
JSON
PHP
Python
Python-asyncio
javascript
Java
C#
Rust
CONFIG

📋

CREATE TABLE products(title text, price float) index_zones = 'h, th, title' html_strip = '1'

POST /cli -d "
CREATE TABLE products(title text, price float) index_zones = 'h, th, title' html_strip = '1'"

$index = new \Manticoresearch\Index($client);
$index->setName('products');
$index->create([
            'title'=>['type'=>'text'],
            'price'=>['type'=>'float']
        ],[
            'index_zones' => 'h*,th,title',
            'html_strip' => '1'
        ]);

utilsApi.sql('CREATE TABLE products(title text, price float) index_zones = \'h, th, title\' html_strip = \'1\'')

await utilsApi.sql('CREATE TABLE products(title text, price float) index_zones = \'h, th, title\' html_strip = \'1\'')

res = await utilsApi.sql('CREATE TABLE products(title text, price float) index_zones = \'h, th, title\' html_strip = \'1\'');

utilsApi.sql("CREATE TABLE products(title text, price float) index_zones = 'h, th, title' html_strip = '1'", true);

utilsApi.Sql("CREATE TABLE products(title text, price float) index_zones = 'h, th, title' html_strip = '1'", true);

utils_api.sql("CREATE TABLE products(title text, price float) index_zones = 'h, th, title' html_strip = '1'", Some(true)).await;

table products {
  index_zones = h*, th, title
  html_strip = 1
  type = rt
  path = tbl
  rt_field = title
  rt_attr_uint = price
}

词法创建分布式表

Last modified: August 28, 2025

Manticore 允许创建分布式表，它们的行为类似普通的普通表或实时表，但实际上是用于搜索的子表集合。当向分布式表发送查询时，查询会被分配到集合中的所有表。服务器随后收集并处理响应，必要时对聚合值进行排序和重新计算。

从客户端的角度来看，感觉就像是在查询一个单一的表。

分布式表可以由以下任意组合的表组成：

本地存储表（普通表和实时表）
远程表
本地和远程表的组合
Percolate 表（本地、远程或组合）
单个本地表和多个远程表，或任何其他组合

不建议将 percolate 和模板表与普通表和实时表混合使用。

分布式表在配置文件中定义为类型 'distributed'，或者通过 SQL 子句 CREATE TABLE 定义。

table foo {
    type = distributed
    local = bar
    local = bar1, bar2
    agent = 127.0.0.1:9312:baz
    agent = host1|host2:tbl
    agent = host1:9301:tbl1|host2:tbl2 [ha_strategy=random retry_count=10]
    ...
}

CREATE TABLE distributed_index type='distributed' local='local_index' agent='127.0.0.1:9312:remote_table'

分布式表的核心在于其所指向的子表列表。分布式表中有两种类型的子表：

本地表：这些是与分布式表处于同一服务器上的表。要枚举本地表，使用语法 local =。你可以通过多行 local = 列出多个本地表，或者用逗号分隔将它们合并到一行列表中。
远程表：这些是部署在服务器外部的表。要枚举远程表，使用语法 agent =。每一行代表一个端点或代理。每个代理可以包含多个外部位置和选项以决定其工作方式。更多详情见这里。需要注意的是，服务器对正在处理的表的类型不拥有任何信息。例如，如果你对一个不是 percolate 表的远程表 'foo' 发出 CALL PQ，可能会导致错误。

高级 HTML 分词创建本地分布式表

Last modified: August 28, 2025

在Manticore Search中，分布式表充当“主节点”，将所需的查询代理到其他表，并提供从接收到的响应中合并的结果。该表本身不存储任何数据。它可以连接到本地表和其他服务器上的表。以下是一个简单的分布式表示例：

‹›

Configuration file
RT mode
PHP
Python
Python-asyncio
javascript
Java
C#
Rust

📋

table index_dist {
  type  = distributed
  local = index1
  local = index2
  ...
 }

CREATE TABLE local_dist type='distributed' local='index1' local='index2';

$params = [
    'body' => [
        'settings' => [
            'type' => 'distributed',
            'local' => [
                'index1',
                'index2'
            ]
        ]
    ],
    'table' => 'products'
];
$index = new \Manticoresearch\Index($client);
$index->create($params);

utilsApi.sql('CREATE TABLE local_dist type=\'distributed\' local=\'index1\' local=\'index2\'')

await utilsApi.sql('CREATE TABLE local_dist type=\'distributed\' local=\'index1\' local=\'index2\'')

res = await utilsApi.sql('CREATE TABLE local_dist type=\'distributed\' local=\'index1\' local=\'index2\'');

utilsApi.sql("CREATE TABLE local_dist type='distributed' local='index1' local='index2'");

utilsApi.Sql("CREATE TABLE local_dist type='distributed' local='index1' local='index2'");

utils_api.sql("CREATE TABLE local_dist type='distributed' local='index1' local='index2'", Some(true)).await;

创建分布式表远程表

Last modified: August 28, 2025

高级形态学

morphology

morphology_skip_fields

min_stemming_len

index_exact_words

jieba_hmm

jieba_mode

jieba_user_dict_path

高级HTML分词

去除HTML标签

html_strip

html_index_attrs

html_remove_elements

从HTML中提取重要部分

index_sp

index_zones

在配置文件中

通过 SQL

子表

创建本地分布式表