Help:CirrusSearch/cs

CirrusSearch je nový vyhledávač pro MediaWiki. Přináší zásadní zdokonalení ve srovnání s předešlým vyhledávačem LuceneSearch. Tento článek popisuje vlastnosti, které jsou nové nebo odlišné oproti předchozímu řešení.

Nejčastější otázky
Pokud vaše otázka zde není zodpovězena, můžete ji položit na diskusní stránce a někdo vám na ni odpoví.

Co se zlepšilo?
Nové možnosti vyhledávače poskytují tři hlavní zlepšení oproti starému vyhledávači, a to:


 * lepší služby pro vyhledávání v různých jazycích.
 * rychlejší obnovení indexování, takže změny ve článcích se odrazí ve výsledcích vyhledávání daleko dříve.
 * Expanding templates, meaning that all content from a template is now reflected in search results.

Aktualizace
Aktualizace se promítnou do indexu téměř okamžitě. Měli byste tak moci prohledávat vaše změny již po jejich dokončení. Změny v šablonách by se měly odrazit v článcích za pár minutek. Změny šablon se řadí do pracovní fronty a jejich provedení tak nemusí být vždy stejně rychlé. Editace beze změny článku prosadí změny šablon, ale není to třeba, pokud nedojde k chybě.

Návrhy k vyhledávání
Návrhy k hledání, které se nabízejí během psaní do prohledávacího okénka pod ním, jsou právě články seřazené podle počtu odkazů na ně. Mimochodem, když na začátek hledaného textu přidáte vlnovku „~“, nebudeme při psaní vyhledávat žádné články a vy můžete v klidu potvrdit hledaný text Entrem, abyste se dostali na stránku výsledků hledání.

Diakritické znaky jsou uplatňovány, ale ve výsledcích pro angličtinu mohou být určité nedostatky. Viz 52656.

Fultextové vyhledávání
Úplné prohledávání probíhá ve všech textech - názvech, přesměrováních, nadpisech a textech článků, takže by nemělo dojít k žádnému překvapení. Velkou změnou je zahrnutí i šablon.

Stemming
Je zde podpora pro většinu jazyků, která se rozšiřuje o další. Na webu elasticsearch.org je seznam momentálně podporovaných jazyků, podívejte se na jejich dokumentaci přispívání zasíláním požadavků nebo oprav.

Filtry (intitle:, incategory: and linksto:)


Hodně jsme zpřesnili práci se syntaxí.


 * intitle:cosi
 * Vyhledá články, které mají v názvu skupinu písmen a všechna slova, která ji obsahují [Závorky < a > se nepíší, jen zde vyčleňují skupinu znaků z vysvětlující věty.]
 * intitle:"cosi dobré"
 * Vyhledá články, které obsahují skupiny znaků a .
 * intitle:cosi dobré
 * Vyhledá články, které mají v názvu a jejichž název nebo text obsahují .
 * -intitle:cosi dobré
 * Vyhledá články, které neobsahují skupinu znaků a jejichž název nebo text obsahují .
 * intitle: cosi dobré [mezera před vloženým textem]
 * Syntaktická chyba; vede k vyhledání článků, jejichž název nebo text obsahují jak , tak a 
 * category:Dějiny
 * Vyhledá články, které jsou v kategorii:Dějiny
 * category:"dějiny hudby"
 * Vyhledá články z Kategorie:dějiny hudby
 * incategory:"muzikály" kategorie:"1920"
 * Vyhledá články, které jsou v obou kategoriích  i zároveň.
 * -kategorie:"muzikály" kategorie:"1920"
 * Vyhledá články, které nepatří do kategorie  a patří do kategorie.
 * pas*
 * Vyhledá články, kterév textu nebo názvu mají slovo začínající na.
 * odkaz:nápověda:CirrusSearch
 * Vyhledá články, které obsahují odkaz na uvedenou stránku.
 * -odkaz:Nápověda:CirrusSearch CirrusSearch
 * Vyhledá články, které neodkazují na , ale zmiňují 

prefix:
Syntaxe předpona: v této aktuální podobě otvírá rozsáhlé možnosti a byla přepracována, jak přesně to je jen možné.

Staré pravidlo, že je nutné vložit  na konec dotazu, stále platí.

morelike:
The  query works by choosing a set of words in the input articles and run a query with the chosen words. You can tune the way it works by adding the following parameters to the search results URL: These settings can be made persistent by overriding  in Help:System message.
 * Find articles whose text is most similar to the text of the given articles.
 * Find articles about stinging insects.
 * Find templates about regex searching for template usage on the wiki.
 * Find articles about stinging insects.
 * Find templates about regex searching for template usage on the wiki.
 * Find templates about regex searching for template usage on the wiki.
 * : Minimum number of documents (per shard) that need a term for it to be considered.
 * : Maximum number of documents (per shard) that have a term for it to be considered.
 * : Maximum number of terms to be considered.
 * : Minimum number of times the term appears in the input to doc to be considered. For small fields this value should be 1.
 * : Minimal length of a term to be considered. Defaults to 0.
 * : The maximum word length above which words will be ignored. Defaults to unbounded (0).
 * (comma separated list of values): These are the fields to use. Allowed fields are,  ,  ,  ,   and.
 * ( | ): use only the field data. Defaults to : the system will extract the content of the   field to build the query.
 * : The percentage of terms to match on. Defaults to 0.3 (30 percent).
 * Example:

Namespace
A search domain consisting of one namespace can be specified at the beginning of a query. Two or more namespaces may be set at the search results page, Special:Search, in the Advanced dialog. This can be set for the query, or for the user's default search domain. Enter a namespace name, or enter, or enter a colon    for mainspace.

Namespace aliases are accepted. For the File namespace,  is accepted.


 * Find articles in the Talknamespace whose title or text contains the word "foo".
 * Find articles in the File namespace on this wiki and commons whose title or text contains the word "foo".
 * Add  to the File namespace query to remove the results from commons.
 * Find articles in the File namespace on this wiki and commons whose title or text contains the word "foo".
 * Add  to the File namespace query to remove the results from commons.
 * Add  to the File namespace query to remove the results from commons.

You cannot use an interwiki prefix as a namespace to search other projects.

Měli jste ma mysli
Návrhy Měli jste na mysli jsou navrženy k upozornění, že jste pradvěpodobně špatně uvedli neobvyklý název, který vypadá jako název článku. Pokud ano, návrhy vám pomohou chybu dohalit. Také pomáhají navrhnout více možností, které v souvislosti s dotazem něco znamenají.

Shoda s frází má přednost
Pokud nemáte příliš přeplácanou syntaxi v dotazu, podáváme perfektní výsledky přesně. Momentálně si nejsem úplně jistý, co přesně znamená příliš přeplácaná syntaxe. Nyní, když budete přidávat další a další fráze do dotazu, tato funkce bude vypnutá.

Fuzzy (mlhavé) hledání
Připojíme-li k hledanému textu vlnovku s (nulou a)tečkou a číslicí, zvolíme fuzzy (mlhavou) logiku hledání se zlomkovým výběrem určitosti - přesnosti zadání.

Hledání slovních spojení
Surrounding some words with quotes declares that you are searching for those words close together. You can add a ~ and then a number after the second quote to control just how close you mean. The default "closeness" is zero. One means one extra word allowed, and so on. For more than two words in the phrase, the closeness equals the total number of extra words, provided that all the words are also in order left to right.

For the closeness value of words given in right to left order, count and discard all the extra words, then add twice the the total count of remaining words minus one (in other words, add twice the number of segments). For the full proximity algorithm, see Elastic Search.

An explicit AND is required between two phrases because of the "inner" quotation marks.

Uvozovky a přesnost shody
Uvozovky změní hledání na přesnost shody. Připsáním vlnovky k uvozovce vrátí prohledávání k tradičnímu na přesnou shodu, jak to znáte a máte rádi.

prefer-recent:
Můžete dát na začátek výsledků hledání články nedávno upravené tím, že předřadíte před hledané slovo předponu "prefer-recent:". Výchozí hodnota exponenciálního měřítka je 60 % času poslední editace s poloviční životností 160 dní. To je možné změnit zápisem: prefer-recent:míra%,poločas_života_dnů - měřítko musí být mezi 0 a 1 včetně. - poločas_života větší, než nula, a může být na desetiny Toto číslo funguje nejlépe, pokud je velice malé. Při testu na .0001, kdy je 8,64 vteřiny.

Toto by mohlo eventuélně být výchozím nastavením pro Wikizprávy, ale není žádný důvod, proč by měla být aktivace zakázána v jakémkoliv dotazu.

hastemplate:
You can find pages that use a certain template by adding the filter  to the search. We provide for the usual "syntactic sugar" of template calls. This means the lenient pagename and fullpagename capitalization works, and the main namespace abbreviation, ":" works. For example to find which pages transclude Quality image the full search (in all your preferred namespaces) can be: , and for that same template name in the main namespace, this works. You can omit the quotes if the template title does not contain a space. will filter pages that do not contain that template.

For wikitext that calls a template directly, you can use insource:, but hastemplate: searches the "post-expansion inclusion", so hastemplate: can find a template acting only temporarily as a "secondary template" or "meta-template", which are seen in neither the source nor content, ( but only included as a helper to any other template producing the final content). All content from a template is now reflected in search results is still the relevant philosophy here.

boost-templates:
Hledání můžete urychlit specifikováním, které šablony stránky používají. Toho se dá docílit přímo vepsáním  do vyhledávacího pole nebo můžete nastavit toto hledání zapnutím nové vlajky. přepíše obsah vlajky, pokud je fráze specifikovaná. Syntaxe je trochu neohrabaná, ale byla zvolena pro svou jednoduchost. Pár příkladů:


 * Najde soubory v kategorii China se seřazením od nejkvalitnějších obrázků.
 * Najde soubory v kategorii China se seřazením od nejkvalitnějších obrázků.


 * Najde soubory v kategorii China se seřazením s nejkvalitnějšími obrázky na vrchu a nejméně kvalitními jako poslední.
 * Najde soubory v kategorii China se seřazením s nejkvalitnějšími obrázky na vrchu a nejméně kvalitními jako poslední.


 * Najde soubory s popcornem řadíce nejkvalitnější obrázky navrch a nejméně kvalitní dospod.
 * Najde soubory s popcornem řadíce nejkvalitnější obrázky navrch a nejméně kvalitní dospod.

Pamatujte si, že s použitím vlajky  lze stejný dotaz zredukovat na.

Nepřidávejte desetinná místa do procent. Nefungují a výsledky vyhledávání by pak nemusely odpovídat.

A word of warning about : if you add really really big or small percentages they can poison the full text scoring. Think, for example, if enwiki boosted featured articles by a million percent. Then searches for terms mentioned in featured articles would find the featured articles before exact title matches of the terms. Phrase matching would be similarly blown away so a search like  would find a featured article with those words scattered throughout it instead of the article for Brave New World.

Sorry for the inconsistent  in the name. Sorry again but the quotes are required on this one. Sorry also for the funky syntax. Sorry we don't try to emulate the template transclusion syntax like we do with.

insource:
This can pick up template arguments, URLs, links, html, etc. It has two forms, one is an indexed search, and the other is regex based.

Tip: Instead of running a bare insource:/regexp/, these return much much faster when you limit the regexp search-domain to the results of one or more index-based searches. An "exact string" regexp search is a basic search; it will simply "quote" the entire regexp, or "backslash-escape" all non-alphanumeric characters in the string. All regexp searches also require that the user develop a simple filter to generate the search domain for the regex engine to search:



Any search without a namespace or prefix searches your default search domain, settable at Special:Search. It is commonly reset by power users to All namespaces, but if this occurs for a bare regexp search, then on a large wiki it will probably incur an HTML timeout before completing the search.

A regex search actually scours each page character-by character. By contrast, an indexed search actually queries a few records from a database separate from the wiki, and provides nearly instant results. When using a regex, include other search terms to limit the regex search domain as much as possible. There are many search terms that use an index and so instantly provide a highly refined search domain for the /regexp/. In order of general effectiveness:


 * insource:"" with quotation marks, duplicating the regexp except without the slashes or escape characters, is ideal.
 * intitle, incategory, and linksto are excellent filters.
 * "word1 word2 word3", with or without the quotation marks, are OK.
 * hastemplate: if it produces less than a few hundred thousand pages, is OK.
 * namespace: is practically useless, but may enable a slow regexp search to complete.

The prefix operator is especially useful with a { {FULLPAGENAME}} or a subdirectory argument. To develop a new regexp, or refine a complex regexp, use  in any edit box. Search terms that do not increase the efficiency of a regexp search are the page-scoring operators: morelike, boost-template, and prefer-recent.

==== Metacharacters ==== This section covers how to escape metacharacters.

For the actual meaning of the metacharacters see the explanation of the syntax. For the formal definition see the Lucene grammar for regular expressions.

The use of a regexp to search for an exact string that includes non-alphanumeric characters is a basic search. It finds regular expression metacharacters literally by placing the entire regexp inside double quotation marks, which blindly "quotes" or "escapes" any possible metacharacters from their advanced search meaning. An advanced search usually escapes metacharacters one at a time with a backslash.

For example  matches a '2', a literal plus sign, another '2', an equals sign, a '4' and a literal dot, with one possible space character between each math term. The equals sign has no special, metacharacter meaning in CirrusSearch, and so need not be escaped, but its OK to escape or quote any character because it basically has no effect. An exact-string search usually "quotes" the regexp because this will neutralize all metacharacter meanings.

Inside double quotes you must use backslash-escape to escape a double-quote character. For example .

Inside the regexp you must use the backslash-escape to quote any slash character that is not delimiting the regexp. For example .

The square-bracket notation for creating your own character-class also escapes metacharacters. To target a literal right square bracket in your character-class pattern, it must be backslash escaped, otherwise it can be interpreted as the closing delimiter of the character-class pattern definition. The first position of a character class will also escape the right square bracket. Inside the delimiting square brackets of a character class, the dash character also has special meaning (range) but can it too can be included literally in the class the same way as the right square bracket can. For example both of these patterns target character that is either a dash or a right square bracket or a dot:  or.

Advanced example
For example, using metacharacters to find the usage of a template called Val having, inside the template call, an unnamed parameter containing a possibly signed, three to four digit number, possibly surrounded by space characters, AND on the same page, inside a template Val call, a named argument "fmt=commas" having any allowable spaces around it, (it could be the same template call, or a separate one):



It is fast because it uses two filters so that every page the regexp crawls has the highest possible potential. Assuming your search domain is set to ALL, it searches the entire wiki, because it offers no namespace or prefix.

Auxiliary text
Cirrus considers some text in the page to be "auxiliary" to what the page is actually about. Examples include table contents, image captions, and "This article is about the XYZ. For ZYX see ZYX" style links. You can also mark article text as auxiliary by adding the  class to the html element containing the text.

Auxiliary text is worth less than the rest of the article text and it is in the snippet only if there are no main article snippets matching the search.

Lead text
Cirrus assumes that non-auxiliary text that is between the top of the page and the first heading is the "lead in" paragraph. Matches from the lead in paragraph are worth more in article ranking.

Commons search
By default when the search contains the file namespace, Cirrus will search commons as well. You can disable this behavior by adding  to the search. If you are using a namespace prefix to select the namespace the syntax looks like. If you aren't using a namespace prefix to select the namespace then the syntax looks like.