Swish-e

From: <dasoso(at)not-real.alumni.uv.es> Date: Mon Nov 01 2004 - 11:47:06 GMT

 Hi all. 

** First Question: 

  I have the test.html file: 

<html> 
<body> 
diseño 
señales 
</body> 
</html> 

 and the test.xml file: 

<?xml version="1.0" standalone="no" ?> 
<!DOCTYPE order SYSTEM "pedido.dtd"> 
<Idioma tipo="Castellano"> 
   <curso numero="quinto"> 
        <asignatura nombre="IPI" codigo="1"> 
            <tipo> Troncal</tipo> 
            <descripcion> Blah blah</descripcion> 
        </asignatura> 

        <asignatura nombre="Diseño de bases de datos" codigo="4"> 
            <tipo> Optativa</tipo> 
            <descripcion> Diseñar.</descripcion> 
        </asignatura> 
   </curso> 

   <curso numero="segundo"> 
        <asignatura nombre="Base de datos" codigo="2"> 
            <tipo> Troncal </tipo> 
            <descripcion> </descripcion> 
        </asignatura> 
   </curso> 
</Idioma> 

And I search: 

dsorian@linux:~/swish-e-2.4.2> swish-e -w diseño -H0 
1000 /usr/local/.../test.html "test.html" 92 

Great. 

But for this search: 

dsorian@linux:~/swish-e-2.4.2> swish-e -w 'asignatura.nombre=diseño' 
-H1 
# SWISH format: 2.4.2 
# Search words: asignatura.nombre=diseño 
# Removed stopwords: 
err: no results 

And  

dsorian@linux:~/swish-e-2.4.2> swish-e -w 'asignatura.nombre=diseno' 
-H0 
1000 /usr/local/.../test.xml "test.xml" 711 

dsorian@linux:~/swish-e-2.4.2> swish-e -k '*' 
# SWISH format: 2.4.2 
index.swish-e: 1 2 4 ales base bases blah bleh castellano datos de 
disea disenar diseno ipi o optativa quinto sea segundo troncal 

Instead of diseño appears diseno, and neither señales nor senales. 
Is there any way for index the non-English characters in XML 
correctly or I make something wrong? 
Why swhis-e can found diseño y the .html and not in the .xml? Is for 
the libxml2 library? 

My .conf file looks like this: 

UndefinedXMLAttributes auto 
UndefinedMetaTags auto 

IndexOnly .xml .html .htm 

IndexContents XML* .xml 
IndexContents HTML2 .html .htm 

TranslateCharacters :ascii7: 
WordCharacters 0123456789abcdefghijklmnñopqrstuvwxyzáéíóúàèòÇ 

** Second Question: 

With the test.xml file: 

<?xml version="1.0" standalone="no" ?> 
<!DOCTYPE order SYSTEM "pedido.dtd"> 
<Idioma tipo="Castellano"> 
   <curso numero="quinto"> 
        <asignatura nombre="IPI" codigo="1"> 
            <tipo> Troncal</tipo> 
            <descripcion> Blah blah</descripcion> 
        </asignatura> 

        <asignatura nombre="Diseño de bases de datos" codigo="4"> 
            <tipo> Optativa</tipo> 
            <descripcion> Diseñar.</descripcion> 
        </asignatura> 
   </curso> 

   <curso numero="segundo"> 
        <asignatura nombre="Base de datos" codigo="2"> 
            <tipo> Troncal </tipo> 
            <descripcion> </descripcion> 
        </asignatura> 
   </curso> 
</Idioma> 

  How could I search for curso.numero=quinto whith 
asignatura.codigo=2 inside it? 
  In the test.xml file the search should return no results but I 
don't know how to do it. 
  I tried whit ()'s everywhere in the search but doesn't works. 

  Thanks.  

David Soriano 

Swish-e

non-English charaters in XML files