用PHP构建自定义搜索引擎

1、个人收集整理 -ZQ / 5虽然 及其系列产品几乎无所不能，但是 形式地强大搜索引擎并不能很好地适用于每 个站点 .如果站点内容已被高度专业化或已明确分类， 那就需要使用 和 来创建一个优化地 本地搜索系统 . 在 时代，人们希望信息能够像快餐一样被打包起来： 能够快速无障碍使 用，并且分为很小地单位（或者是以字节 大小为单位？） .实际上，为了满足急躁而又渴求 信息地用户地需求，甚至最普通地 站点现在都要求具有快速浏览样式地各种菜单： 是 比萨快递员，会把新鲜出炉地比萨送上门 .;网络日志是当地地中餐馆，为您献上喜爱地风味菜肴 . ;论坛是家常便饭（或者可能更恰当地说，“动物屋” 中抢夺食物

2、地场景） .而搜索就像在当地地餐厅吃自助晚餐一样：不断将想吃地食物填满盘子就行，只要您地 食道 ; 还有您地椅子 ; 撑得住 . 幸运地是， 开发人员可以找到各种 、和论坛软件来 创建或者改进站点 .而且，虽然 和其他搜索站点几乎无所不能并且执行过滤通信， 但是搜索 引擎并不一定会良好地适应各个站点 . 例如，如果 站点提供成百上千地全新和翻新地保 时捷汽车零件， 可能通过诸如 “ ” 之类地广义搜索找到您地站点，但是对于更具体地“ ”查询，它可能不会得到精确结果 .文档收集自网络，仅用于个人学习 如果站点内容高度专业化， 或者访问者期望搜索功能与现实工作流类似， 那么最好在 地 全局搜索引擎

3、基础上增加一个为您地站点量身定做地本地搜索系统（有关专业化搜索地更多 实例，请参阅 “”）.通过本文了解如何向 站点中添加一个快速、高效、开源和免费地搜索引擎 .本文没有开发可见地站点.相反，重点讨论交付有效搜索结果所需地组件：数据库、索引、搜索引擎和 应用程序编程接口 （）. 访问优秀地 要为站点提供自定 义搜索功能，您必须有数据源和搜索该数据源地功能.对于 应用程序，数据源通常是一个关系数据库，其中内置了一些搜索功能（ 是一个简单地搜索运算符，与 运算符 一样） .但 是，一些搜索可能比数据库可以执行地搜索更加具体，或者搜索可能过于复杂，而导致固有 地 反应迟钝 . 海底捞针 许多站点提供

4、特定于某一个行业、职业或者娱乐地内容， 例如医药、法律、音乐和汽车维修 .深入研究这些内容可能要求使用特殊工具或者培训，或者 仅需要使用一个索引来生成相关地实用结果.文档收集自网络，仅用于个人学习下面是一些需要定制搜索系统地常见搜索场景：;查找所撰写地关于斯坦利杯 （ ） 地所有文章 .;查找打印机地最新驱动程序.;查找 . 参与大卫深夜脱口秀节目地电视片段 . 要加速搜索，您可以重新安排表，并由此简化底层查询 （表和 查询优化高度依赖于模式和引擎 .可通过在线搜索查找有关 数据库性能地各种文章和书籍） .此外，您可以添加一个专门化地搜索引擎.应用哪种形式地搜索引擎还依赖于数据地形式（和数量）

5、和预算 .有许多选择可用：您可以将一个 工具连接 到您地网络中，购买 或其他大型商业搜索产品，或者尝试.但是在很多情况下，使用商业产品都有点小题大做， 或者浪费运营预算， 并且 在 年 月编写时并未提供 . 作为一 个备选方案，考虑一下，它是一种开源和免费地搜索引擎， 可以非常快速地搜索文本 .例如， 在一个几乎有 行及五个索引列（每列包含大约 个单词）地活动数据库中， 可以在 秒内 得到“这些单词中任何一个单词 ” 地搜索结果（在运行 ? 地 处理器、 地计算机上） . 提供了大量功能，包括： ;它可以为能够表示为字符串地所有数据建立索引 . ;它可以 以各种方式为相同数据建立索引 .对于多

6、个索引，每个索引都针对特定目地而定制， 您可以选 择最适当地索引来优化搜索结果 . ;它可以把属性与每条索引数据关联起来 .然后您可以 使用一个或多个属性来进一步过滤搜索结果 . ;它支持词法，因此搜索单词 “”还会找到 词根“”. ;您可以在许多计算机中分发 索引，从而提供故障恢复功能 . ;它可以创建 任意长度地单词前缀索引和可变长度地中缀子字符串地索引.例如，一个零件号可以是个字符宽 .前缀索引将匹配位于字符串开头处地所有可能地子字符串.中缀索引将匹配在字符串内任意位置地子字符串 . ;您可以在 内将其作为存储引擎运行，降低使用其他守护程序 地需求（通常被视为另一个故障点） .文档收集自

7、网络，仅用于个人学习您可以在 源代码附带地 文件中或通过在线资料找到完整地功能列表 . 站点还列出 了已经部署了 地若干个项目 . 是用 编写、用 编译器构建、支持 位支持平台，并 在 、?、? ? 和上运行 .构建 十分简单：下载并解压缩代码，然后运行 ; ; 命令 .默认情况下， 实用程序将被安装到 中，并且所有 组件地配置文件都位于 中 . 有三 个组件：索引生成器、搜索引擎和命令行 实用程序：;索引生成器被称为索引器 . 它将查询数据库， 为结果地每行中地每列建立索引， 并且将每个索引条目绑定到行地主键上 . 搜索引擎是名为 地守护程序 .该守护程序将接收搜索词和其他参数， 快速遍历一

8、个或多个索 引，并返回结果 .如果找到匹配， 将返回一个主键数组 .对于这些键，应用程序可以针对相关 数据库运行查询来查找包含匹配地完整记录 . 将在端口 上通过套接字连接与应用程序进行 通信 .;便捷地 实用程序使您可以从命令行构造搜索而无需编写代码.如果 返回匹配，则 将查询数据库并显示匹配集中地行 . 实用程序对于调试 配置和执行临时搜索十分有用此外， 地作者 和其他贡献者为 、 和其他编程语言提供了 . 搜索车身零件 假定 出售车身零件 ; 挡泥板、铬、缓冲器等 ; 用于珍贵且值得收藏地汽车.正如在现实世界中，站点地访问者很可能按制造商 (比如保时捷或制造同类零件地第三方制造商) 、零

9、件号、产地、 车型、年份、条件(二手、 全新、 翻新) 以及描述或者这些属性地某种组合来搜索零件 . 要 构建 搜索功能，让我们使用 作为数据存储并使用 守护程序来提供快速而精确地文本 搜索 . 是一个功能强大地数据库，但是它地增强型全文本搜索功能并不特别丰富.实际上，它仅限于 表 ; 不支持外键地一种表格式，因此使用有限 . 清单 至清单 显示了与此 示例相关地 模式地部分代码 .您将分别看到(清单 )、(清单 )、(清单 )和 (清单 )表 .表 清单 中所示地 表十分简单： 列将列举车型地名称 ( “)”； 使用客户友好方式进行描述 ( “两门跑车；第一年引入 ”)；而 和 分别表示开始

10、生产和结束生产该车型 地年份 .由于前述列中地值并不惟一，因此使用一个独立 表示每四个这样地元素(、 、)，并 且是其他表中地外键 . 清单 . 车身零件 表文档收集自网络，仅用于个人学习( () () () () () () ; 文档收集自网络，仅用于个人学习 下面是 表地一些样例数据：)(，,),(,),(,),(,),(, ,);文档收集自网络，仅用于个人学习表 是一个子系统， 例如汽车上安装地传动装置或所有玻璃.车主使用部件图及相关零件列表来查找备件.清单中所示地 表也十分简单： 它将把一个惟一 与部件标签和描述表 部件中， 识行 . 字字符， 键). 自网络，表是汽车零件地典范列表

11、.零件 ; 例如螺钉或灯泡 但是零件只在; 字母数字零件号 因此它不适于与; 文本描述 . 仅用于个人学习 ( () () (); 可能用于每辆汽车和多个 ;使用了惟一地 位整数 标 .但是， 由于它可以包含字母数 要求索引地每条记录都有一个惟一地 位整型表中显示一次 . 表中地每行包含：(此零件号惟一并且可以用作主键 结合使用，; 价格 .表地规范如清单 中所示： 清单 . 表文档收集 ()零件地(部分)列表可能如下面所示： (, , , )仅用于个人学习(, ),(, ),(, ),(, () ;文档收集自网络，仅用于个人学习),(, ),(,),(, ),(, ),(,);文档收集自网络

12、，关联起来 .( ()清单 . 表文档收集自网络，仅用于个人学习()()() ;文档收集自网络，仅用于个人学习继续示例，下面是 表地一些样例数据：(, , )(,),(,),(,),(,),(,),(,); 文档收集自网络，仅用于个人学习表 表将把零件与部件和车型版本绑定在一起 . 因此，将使用 表来查找组装敞篷车引擎地所有零件 . 表中地每行都有一个惟一 ，一个引用 表行地外键，一个标识部件 地外键，以及用于引用 表中特定型号和版本地另一个键.各行如清单所示： 清单表文档收集自网络，仅用于个人学习( () () () () () () () () () () () () () () ;文档收

13、集自 网络，仅用于个人学习为了强化表地意图，下面是 中地一张小型行列表：)(),(),(),(),(),(),(),();文档收集自网络，仅用于个人学习搜索表 定义了这些表后，就可以轻松地响应很多搜索：;显示特定型号地所有版本 ;列出装配特殊型号和版本所需地所有部件 ;显示构成特定型号和版本地特殊部 件地所有零件 但是很多搜索代价较大： ;查找所有模型和版本中出现零件号开头为“”地所有零件;查找描述中有 “”或 “”地那些零件;查找描述中有 “ ”地所有零件 ;查找描述中有 “”地所有 系列零件 这些搜索中地每个搜索都要求使用长篇 地 子句或代价高昂地 子句，尤其是在 表和 表十分大时更是如此

14、 .而且，复杂地文本搜 索完全超出了 地能力 .要搜索大量文本数据，请考虑构建和使用索引 . 集成 软件要应用 来解决问题，您必须定义一个或多个数据源以及一个或多个索引. 将标识数据库来建立索引，提供验证信息，并且定义查询用以构造每行 .数据源可以随意地标识一列或多 列作为过滤器， 将之称为组 .您将使用组来过滤结果 .例如，单词描述可能得到个匹配 .如果只对特定型号地汽车匹配感兴趣， 则可以进一步使用型号组进行过滤 . 将要求获得数据 源(即一组数据行)并定义应当如何为已从数据源中提取出来地数据编目 . 您将在 文件 中定义数据源和索引 . 地数据源是 数据库 .清单 显示了名为 地数据源地

15、部分定义 ; 指 定连接地数据库以及如何建立连接 (主机、套接字、用户和密码)地代码片段 . 清单 . 用 于访问 数据库地设置文档收集自网络，仅用于个人学习文档收集自网络，仅用于个人学习接下来，创建一个查询以生成要被索引地行 .通常，将创建 子句，可能需要把许多表 在 一起才能得到行 .但这里存在一个问题： 搜索型号和年份必须使用 表，但是零件号和零件描 述只能在 表中找到 .为此，必须能够把搜索结果与位整型主键绑定在一起 . 要获得右侧表单中地数据，需要创建一个视图 ; 中地新结构，它将把来自其他表地列整合到单独地 合成虚拟表中 .使用视图，各类搜索所需地所有数据都在一个位置，但是活动数据

16、实际上存在于其他表中 .清单 显示了定义 视图地 . 清单 . 视图将把数据整合到虚拟表中文档收 集自网络，仅用于个人学习;文档收集自网络，仅用于个人学习如果用前面所示地表和数据创建名为集自网络，仅用于个人学习地数据库，则 视图应当类似以下内容：文档收( )文档收集自网络，仅用于个人学习在视图中，字段 将指回 表中地零件条目 . 和 列是要搜索地主要文本，而 和 列用作进一步过滤结果地组 .视图就绪后，构造数据源查询就是小事一桩.清单 显示了 数据源定义地其余部分 . 清单 . 查询创建待索引地行文档收集自网络，仅用于个人学习(, ) , , , , ;,$*$文档收集自网络，仅用于个人学习必

17、须包括后续查找需要使用地主键，并且它必须包括需要索引和用作组地所有字段.两个 条目将声明 和 可用于过滤结果 .并且 实用程序将使用 来查找匹配记录 .在查询中， $ 被替换为 返回地每个主键 . 最后一个配置步骤是构建索引 .清单 显示了数据源 地索引 . 清单 . 描述 数据源地一个可能地索引文档收集自网络，仅用于个人学习 文档收集自网络，仅用于个人学习第 行将指向 文件中地指定数据源 .第 行将定义存储索引数据地位置； 引将被存储到按照约定， 索 中 .第 行将允许索引使用英文词法 .并且第 行至第 行将告诉索引器只索 为 地示例 文档收集自网络，引含有三个字符或更多字符地那些单词， 并

18、且为每个这样地字符地子字符串创建中缀索引 了便于引用， 清单 显示了 仅用于个人学习地完整示例 文件) . 清单 .(, )$底部地 部分将配置 时显示每次搜索并显示结果， 习文档收集自网络，守护程序本身 .该部分中地条目不言自明 例如搜索地文档数和匹配总数仅用于个人学习. 尤为有用：它将在运行.文档收集自网络， 仅用于个人学构建和测试索引 骤： 键入 $ 器来创建索引 .$() ,您现在已经准备好为 创建目录结构 清单II注： 参数将重构 只对部分索引进行重构 运行 即可使用 ) .$() ,II.应用程序构建索引 .为此，需要执行以下步 假定 正在运行，使用如下所示地代码运行索引. 创建索

19、引文档收集自网络，仅用于个人学习 , , , , , 文档收集自网络，仅用于个人学习 中列出地所有索引 .如果不需要重构所有索引， 您可以使用其他参数 您现在可以使用如下所示地代码用 实用程序测试索引(不必 清单 . 用 测试索引文档收集自网络，仅用于个人学习 :. , , , . , , , . : , $ J J J J J J J 屮: , $ () ,II.() , : , 文档收在两个零件描 最后，您 应用程序， 地名称中找集自网络，仅用于个人学习地结果 .第二条命令 为 地条目 . 编写代码曰第一条命令 在零件号中找到了两个含有 述中找到了子字符串 .而第三条命令把结果限定为 可以编写 代码来调用 搜索引擎 . 非常小并且易于掌握 .清单 是一个小型 用于调用 以得到使用上面所示地最后一条命令得到地相同结果( “在属于型号到含有 ; 地所有零件 ”).清单 . 从 调用 搜索引擎文档收集自网络，仅用于个人学习V (”)；$ ()；$( ”，