須藤です｡

In
"[groonga-dev,03339] ｲﾝﾃﾞｯｸｽの情報を詳細出力する方法" on Fri, 3 Jul 2015 11:44:18 +0900,
Hiroyuki Sato wrote:

> おかげさまでGroongaの仕組みを詳しく理解することができました｡

よかったです!

> http://gist.github.com/hiroyuki-sato/27142229622c74803069

> Groongaの場合､TokenBigramを指定しても2文字ずつに分解を行うのは非ASCII文字の場合のみである｡

が少し説明不足で､正規化処理が行われたときだけ↑の挙動になり
ます｡正規化処理をしない場合はASCIIの文字も2文字ずつに分解し
ます｡

> * 文字がASCIIの場合: 単語単位に分割??(ここ怪しい)

補足すると､連続するｱﾙﾌｧﾍﾞｯﾄを1ﾄｰｸﾝにする(1文字の
ﾄｰｸﾝにもなりえるし､3文字以上のﾄｰｸﾝにもなりえる)､
が実際の挙動です｡同様に連続する数字も1ﾄｰｸﾝ､連続する記
号も1ﾄｰｸﾝにします｡

> selectｺﾏﾝﾄﾞ等で､POSITIONの情報や全てのRecordの_idを出力する方法は
> ありますでしょうか?

selectｺﾏﾝﾄﾞではできないんです｡
Rroongaにgroonga-index-dumpという実行ﾌｧｲﾙ(ｺﾏﾝﾄﾞなん
ですが､Groongaのｺﾏﾝﾄﾞと紛らわしいのでここでは実行ﾌｧｲ
ﾙと書きます)があって､それを使うと出力できます｡

% groonga-index-dump --output-directory /tmp/index-dump DB_PATH

というように使います｡そうすると､/tmp/index-dump/ﾃﾞｨﾚｸﾄ
ﾘｰ以下にﾓﾘﾓﾘとﾌｧｲﾙができます｡1ﾄｰｸﾝ1ﾌｧｲﾙに
なっていて､その中にそのﾄｰｸﾝのPOSITION情報やﾚｺｰﾄﾞのｷｰ
(_idではないです)が出力されます｡

例えば､るりまｻｰﾁというやつのﾃﾞｰﾀﾍﾞｰｽだとこんな感じの
ﾌｧｲﾙができます｡(ﾄｰｸﾝはURLのように%ｴﾝｺｰﾄﾞされて
ﾌｧｲﾙ名になりま