Sphinx配置：如何让搜索时将连字符"-"视为普通符号？

Sphinx默认的文本分词器会将连字符（-）视为词分隔符，导致--run、--start-program这类命令行选项被拆分解析，进而出现无关搜索结果。以下是具体解决步骤：

1. 在Sphinx配置文件（conf.py）中自定义分词器 #

通过修改Whoosh的分词规则，让连字符被当作普通字符纳入单词匹配。在conf.py中添加以下代码：

from whoosh.analysis import RegexTokenizer, LowercaseFilter, StopFilter
from whoosh.lang.porter import StemFilter

def custom_analyzer():
    # 正则规则匹配包含连字符的连续单词，适配命令行选项格式
    tokenizer = RegexTokenizer(r"\w+(-\w+)*")
    # 保留原有的小写转换、停用词过滤、词干提取逻辑
    return tokenizer | LowercaseFilter() | StopFilter() | StemFilter()

# 配置搜索使用自定义分词器
html_search_options = {
    'analyzer': custom_analyzer()
}

2. 重新构建文档 #

修改配置后，执行文档构建命令（如make html），让新的分词规则生效。

完成以上操作后，搜索--run或--start-program时，连字符会被当作选项的一部分完整匹配，不会再出现拆分后匹配到"starting"这类无关内容的情况。

内容的提问来源于stack exchange，提问作者Ashark