sphinx中文索引实现中文检索

http://www.cnblogs.com/sandea/p/5572136.html

./configure --prefix=/usr/local/sphinx-for-chinese-1.10.1 --with-mysql ,会报错 ，在/etc/ld.so.conf添加

include /var/lib/

执行ldconfig解决

针对的是percona-mysql

这几天项目中需要重新做一个关于商品的全文搜索功能,于是想到了用Sphinx,因为需要中文分词,所以选择了Sphinx for chinese,当然你也可以选择coreseek,建议这两个中选择一个,暂时不要选择原版Sphinx(对中文的支持不是很好).又因为服务器所用 MySQL在当时编译时并没有编译Sphinx扩展,而重新编译MySQL并加入Sphinx暂时又无法实现(项目用到了多台服务器,在不影响现有业务的 情况下不可能去重新编译MySQL的),所以采用的是程序通过API来外部调用Sphinx.Sphinx自带的API有 PHP,Python,Ruby,Java等众多版本,所以基本也够用了,本人使用的编程语言是PHP所以下文的条用示例采用的是PHP版的API. 
一.安装及配置Sphinx及准备测试数据 
1.安装前的准备工作 
(1)请确认安装了MySQL,Gcc及常用的开发环境包 
(2)下载sphinx-for-chinese-1.10.1(sphinx-for-chinese官方下载)及中文分词词典xdict_1.1

cd /usr/local/srcwget -c http://sphinx-for-chinese.googlecode.com/files/sphinx-for-chinese-1.10.1-dev-r2287.tar.gz wget -c http://sphinx-for-chinese.googlecode.com/files/xdict_1.1.tar.gz

2.安装sphinx-for-chinese-1.10.1

cd /usr/local/srctar zxvf sphinx-for-chinese-1.10.1-dev-r2287.tar.gz cd sphinx-for-chinese-1.10.1-dev-r2287 #MySQL安装在默认位置的使用如下命令 ./configure --prefix=/usr/local/sphinx-for-chinese-1.10.1 --with-mysql

如果出现如下图所示错误,表明MySQL不是安装在默认位置,请执行下面的命令

#如果MySQL不是安装在默认位置(特别是自己编译MySQL的,请注意),请指定MySQL的相关位置,主要是MySQL的include和lib目 录(Sphinx编译的时候要用到里面的.h头文件),--with-mysql-includes及--with-mysql-libs就是为了指定这 两个位置的

./configure --prefix=/usr/local/sphinx-for-chinese-1.10.1 --with-mysql-includes=/usr/local/webserver/mysql/include/mysql --with-mysql-libs=/usr/local/webserver/mysql/lib/mysql

显示如下图所示内容时,表示可以接着执行下面的make及make install命令

makemake install#最后执行命令 ls /usr/local/sphinx-for-chinese-1.10.1/

如果显示bin,etc和var三个目录表示安装成功

3.让Sphinx支持中文分词

cd /usr/local/srctar zxvf xdict_1.1.tar.gz /usr/local/sphinx-for-chinese-1.10.1/bin/mkdict xdict_1.1.txt xdict_1.1

如果提示bin/mkdict: error while loading shared libraries: libmysqlclient.so.16等错误(以下命令中的libmysqlclient.so.16.0.0的位置取决于我们mysql编译安装的位置)

ln -s /usr/local/webserver/mysql/lib/mysql/libmysqlclient.so.16.0.0 /usr/lib/libmysqlclient.so.16

再次执行

/usr/local/sphinx-for-chinese-1.10.1/bin/mkdict xdict_1.1.txt xdict_1.1 #提示Chinese dictionary was successfully created!表示中文分词词典生成成功 cp xdict_1.1 /usr/local/sphinx-for-chinese-1.10.1/etc/xdict_1.1

4.配置Sphinx

vi /usr/local/sphinx-for-chinese-1.10.1/etc/sphinx.conf

输入以下内容

按 Ctrl+C 复制代码

# sphinx基本配置 
# 索引源 
source goods_src 
{ 
    # 数据库类型 
    type = mysql 
    # MySQL主机IP 
    sql_host = localhost 
    # MySQL用户名 
    sql_user = sphinxuser 
    # MySQL密码 
    sql_pass = sphinxpass 
    # MySQL数据库 
    sql_db = sphinx 
    # MySQL端口(如果防火墙有限制,请开启) 
    sql_port= 3306 
    # MySQL sock文件设置(默认为/tmp/mysql.sock,如果不一样,请指定) 
    sql_sock = /tmp/mysql.sock 
    # MySQL检索编码(数据库非utf8的很可能检索不到) 
    sql_query_pre = SET NAMES UTF8 
    # 获取数据的SQL语句 
    sql_query = SELECT goods_id,goods_id AS goods_id_new,goods_name,goods_color,goods_name AS goods_name_search,goods_color AS goods_color_search From goods_test 
    # 以下是用来过滤或条件查询的属性(以下字段显示在查询结果中,不在下面的字段就是搜索时要搜索的字段,如SQL语句中的goods_color_search,goods_name_search) 
    # 无符号整型 
    #goods_id为主键,如果加在这里在生成索引的时候会报attribute ‘goods_id‘ not found,这里用goods_id_new来变通 
    sql_attr_uint = goods_id_new 
    # 字符串类型 
    sql_attr_string = goods_name 
    sql_attr_string = goods_color 
    # 用于命令界面端(CLI)调用的测试(一般来说不需要) 
    #sql_query_info = SELECT * FROM goods_test Where goods_id = $goods_id; 
} 
# 索引 
index goods 
{ 
    # 索引源声明 
    source = goods_src 
    # 索引文件的存放位置 
    path = /usr/local/sphinx-for-chinese-1.10.1/var/data/goods
    # 文件存储模式(默认为extern) 
    docinfo = extern 
    # 缓存数据内存锁定 
    mlock = 0 
    # 马氏形态学(对中文无效) 
    morphology = none 
    # 索引词最小长度 
    min_word_len = 1 
    # 数据编码(设置成utf8才能索引中文) 
    charset_type = utf-8 
    # 中文分词词典 
    chinese_dictionary = /usr/local/sphinx-for-chinese-1.10.1/etc/xdict_1.1 
    # 最小索引前缀长度 
    min_prefix_len = 0 
    # 最小索引中缀长度 
    min_infix_len = 1 
    # 对于非字母型数据的长度切割(for CJK indexing) 
    ngram_len = 1 
    # 对否对去除用户输入查询内容的html标签 
    html_strip = 0 
} 
# 索引器设置 
indexer 
{ 
    # 内存大小限制 默认是 32M, 最大 2047M, 推荐为 256M 到 1024M之间 
    mem_limit = 256M 
} 
# sphinx服务进程search的相关配置 
searchd 
{ 
    # 监测端口及形式,一下几种均可,默认为本机9312端口 
    # listen = 127.0.0.1 
    # listen = 192.168.0.1:9312 
    # listen = 9312 
    # listen = /var/run/searchd.sock 
    # search进程的日志路径 
    log = /usr/local/sphinx-for-chinese-1.10.1/var/log/searchd.log 
    # 查询日志地址 
    query_log = /usr/local/sphinx-for-chinese-1.10.1/var/log/query.log 
    # 读取超时时间 
    read_timeout = 5 
    # 请求超时市时间 
    client_timeout = 300 
    # searche进程的最大运行数 
    max_children = 30 
    # 进程ID文件 
    pid_file = /usr/local/sphinx-for-chinese-1.10.1/var/log/searchd.pid 
    # 最大的查询结果返回数 
    max_matches = 1000 
    # 是否支持无缝切换(做增量索引时需要) 
    seamless_rotate = 1 
    # 在启动运行时是否提前加载所有索引文件 
    preopen_indexes = 0 
    # 是否释放旧的索引文件 
    unlink_old = 1 
    # MVA跟新池大小(默认为1M) 
    mva_updates_pool = 1M 
    # 最大允许的网络包大小(默认8M) 
    max_packet_size = 8M 
    # 每个查询最大允许的过滤器数量(默认256) 
    max_filters = 256 
    #每个过滤器最大允许的值的个数(默认4096) 
    max_filter_values = 4096 
    # 每个组的最大查询数(默认为32) 
    max_batch_queries = 32 
} 
# Sphinx配置文件结束

按 Ctrl+C 复制代码

中文在linux下可能会看到乱码,不用管

5.创建测试数据库并添加测试内容(请先连上自己的MySQL数据库)

在MySQL中执行如下命令

mysql> create database sphinx collate ‘utf8_general_ci‘;mysql> grant all privileges on sphinx.* to ‘sphinxuser‘@‘‘ identified by ‘sphinxpass‘;mysql> grant all privileges on sphinx.* to ‘sphinxuser‘@‘localhost‘ identified by ‘sphinxpass‘;mysql> use sphinx;mysql> CREATE TABLE IF NOT EXISTS `goods_test` (`goods_id` int(10) unsigned NOT NULL AUTO_INCREMENT COMMENT ‘商品id‘,`goods_name` varchar(255) NOT NULL COMMENT ‘商品名称‘,`goods_color` varchar(60) NOT NULL COMMENT ‘商品颜色‘,PRIMARY KEY (`goods_id`)) ENGINE=MyISAM  DEFAULT CHARSET=utf8 COMMENT=‘商品表,sphinx示例‘ AUTO_INCREMENT=11 ;mysql> INSERT INTO `goods_test` (`goods_id`, `goods_name`, `goods_color`) VALUES(1, ‘热卖时尚双肩背包‘, ‘黑色‘),(2, ‘热卖时尚电脑双肩背包‘, ‘灰色‘),(3, ‘缤纷炫动时尚化妆包‘, ‘黑色‘),(4, ‘缤纷炫动时尚化妆包‘, ‘蓝色‘),(5, ‘缤纷炫动时尚化妆包‘, ‘粉红‘),(6, ‘极致性感 女款衬衫‘, ‘黑色‘),(7, ‘个性宣言 男款短袖衬衫‘, ‘蓝色‘),(8, ‘个性宣言 男款短袖衬衫‘, ‘红色‘),(9, ‘个性宣言 男款短袖衬衫‘, ‘绿色‘),(10, ‘个性宣言 男款短袖衬衫‘, ‘黑色‘);

好了,万事俱备了,可以开始实战操作Sphinx了

二.实战操作Sphinx 
1.建立索引(如果配置文件有改动,应该重新生成索引文件,如果下面第3点中的searchd进程已经开启的话,应先关闭)

#生成goods索引[需要确保要连接的主机的MySQL数据库正常运行,并且3306端口可以访问]

/usr/local/sphinx-for-chinese-1.10.1/bin/indexer -c /usr/local/sphinx-for-chinese-1.10.1/etc/sphinx.conf goods

#如果配置文件里有多个索引,需要一次生成使用--all参数

/usr/local/sphinx-for-chinese-1.10.1/bin/indexer -c /usr/local/sphinx-for-chinese-1.10.1/etc/sphinx.conf --all

2.在linux命令行下测试搜索

/usr/local/sphinx-for-chinese-1.10.1/bin/search -c /usr/local/sphinx-for-chinese-1.10.1/etc/sphinx.conf 个性黑色

搜索结果如下图示:

3.开启守护进程(供API调用,如果配置文件改动,应重新启动这个进程,不然搜到的数据不是最新)

/usr/local/sphinx-for-chinese-1.10.1/bin/searchd -c /usr/local/sphinx-for-chinese-1.10.1/etc/sphinx.conf &      #执行后记得再按回车

# 防火墙需要开放9312端口供外部访问9312端口(3306是MySQL的端口)

/sbin/iptables -I INPUT -p tcp --dport 3306 -j ACCEPT/sbin/iptables -I INPUT -p tcp --dport 9312 -j ACCEPT/etc/rc.d/init.d/iptables save

三.外部API调用(PHP版) 
注意使用时前提是执行了以上的步骤3.开启守护进程,而且防火墙也开启了9312端口

1. 把/usr/local/src/sphinx-for-chinese-1.10.1-dev-r2287/api/sphinxapi.php弄出 来,和下面第2点中的search.php放在同级目录(这个只是示例,放在哪里都可以,包含的时候找到正确的sphinxapi.php的位置即可) 
2.编辑search.php文件,内容如下(具体内容请读者自己定,我这里只是示例)

<?phpheader ( ‘Content-Type: text/html;charset="UTF-8"‘ );if ($_GET) {    // 关键词    $keyword = urldecode ( trim ( strip_tags ( $_GET [‘keyword‘] ) ) );    if ($keyword) {        // 包含Sphinx的api文件        require_once ‘sphinxapi.php‘;        // sphinx服务器地址        $server = ‘192.168.128.130‘;        // 端口        $port = 9312;        // 索引名 为*时表示搜索所有索引        $indexName = ‘goods‘;        // 分页页码        $page = intval ( $_GET [‘page‘] ) > 1 ? intval ( $_GET [‘page‘] ) : 1;        // 每页显示的数量        $pageSize = 30;        $sphinx = new SphinxClient ();        // 建立连接        $sphinx->SetServer ( $server, $port );        // 连接超时时间(非常必要,比如sphinx服务器挂了等异常情况) 单位为s,秒        $sphinx->SetConnectTimeout ( 3 );        // 最大查询时间 单位为ms,毫秒        $sphinx->SetMaxQueryTime ( 2000 );        // 按分页取结果        $sphinx->SetLimits ( ($page - 1) * $pageSize, $pageSize ); //第一个参数为offset,第二个参数为limit        // 模式        // $sphinx->SetMatchMode(SPH_MATCH_EXTENDED);        // 取到的原始数据        $orgDatas = $sphinx->Query ( $keyword, $indexName );        // 调试用,如果有错误的话,可以打印$errors的值        $errors = $sphinx->GetLastError ();        var_dump ( $errors );        echo ‘<pre>‘;        var_dump ( $orgDatas );        /* // 下面是对结果的处理        $datas = array(‘goods‘=>array(),‘total‘=>0);        if ($orgDatas[‘total‘] > 0) {            $datas[‘total‘] = $orgDatas[‘total‘];            foreach ($orgDatas[‘matches‘] AS $val) {            $val[‘attrs‘][‘goods_id‘] = $val[‘attrs‘][‘goods_id_new‘];            unset($val[‘attrs‘][‘goods_id_new‘]);            $datas[‘goods‘][] = $val[‘attrs‘];        }        }        var_dump($datas);        */    }} else {    echo ‘<form method="get"><input type="type" name="keyword"><input type="submit" value="商品搜索"></form>‘;}?>

./configure --prefix=/usr/local/sphinx-for-chinese-1.10.1 --with-mysql ,会报错 ，在/etc/ld.so.conf添加

include /var/lib/

执行ldconfig解决

针对的是percona-mysql