Re: [sdx-users] gestion des signes diacritiques

[Pierrick Brihaye]

Bonjour,

address@hidden a écrit:

> SDX, en toute logique, fait en sorte que les accents n'aient pas d'influence
> sur l'indexation et la recherche, i.e. 'determine' trouve aussi 'déterminé'.

Euh... ce n'est pas SDX en tant que tel qui se comporte comme ça, c'est 
le fait :

1) que votre/vos champs sont analysés (i.e. de type "word")
2) que l'analyseur retire les accents.

V. 
http://www.nongnu.org/sdx/docs/html/doc-sdx2/fr/presentation/analyseurs.html

> Nous publions aussi des documents en allemand et, dans cette langue, un
> accent requiert un traitement particulier, l'umlaut. D'ailleurs, nous autres
> Suisses sommes habitués à ce qu'il soit tenu compte de l'umlaut même dans
> les textes en français ou en italien. L'umlaut ne peut apparaître que sur a,
> o, et u (ce qui évite une incompatibilité avec le tréma, qui a le même code)
> et correspond à un 'e' placé à la suite de la lettre infléchie. 'Böll' doit
> donc correspondre à 'Boell' et non à 'Boll', ce qui n'est présentement pas
> le cas (bien que la config fasse appel à l'analyseur allemand).

Oui, enfin bon... sauf "Goethe" :-)

Le problème, c'est que l'analyseur allemand livré avec Lucene, et donc 
avec SDX, est un stemmer...

V. 
http://cvs.apache.org/viewcvs.cgi/jakarta-lucene/src/java/org/apache/lucene/analysis/de/

> Où se trouvent ces conversions de caractères ?
> J'ai bien trouvé un fichier sdx/sdx/resources/js/selects.js avec des lignes
> telles que
> if ( a==232 || a==233 || a==234 || a==235) a=101;

Euh... ici, vous êtes du côté du client. Le problème est *encore* différent.

A bientôt,
--
Pierrick Brihaye, informaticien
Service régional de l'Inventaire
DRAC Bretagne
mailto:address@hidden
+33 (0)2 99 29 67 78