一、获取coreseek安装包
目前,CoreSeek/Sphinx的发布包包括如下软件:
indexer: 用于创建全文索引;
search: 一个简单的命令行(CLI) 的测试程序,用于测试全文索引;
searchd: 一个守护进程,其他软件(例如WEB程序)可以通过这个守护进程进行全文检索;
sphinxapi: 一系列searchd 的客户端API 库,用于流行的Web脚本开发语言(PHP, Python, Perl, Ruby, Java).
spelldump: 一个简单的命令行工具,用于从 ispell 或者 MySpell (OpenOffice内置绑定) 格式的字典中提取词条。当使用 wordforms时可用这些词条对索引进行定制.
indextool: 工具程序,用来转储关于索引的多项调试信息。此工具是从版本Coreseek 3.1(Sphinx 0.9.9-rc2)开始加入的。
mmseg: 工具程序和库,Coreseek用于提供中文分词和词典处理
二、编译安装coreseek
1、将你下载的tar包解压,并进入coreseek 子目录:
$ tar zxvf coreseek-4.1-beta.tar.gz
$ cd coreseek-4.1-beta
2、首先安装MMSeg:
$ cd mmseg-3.2.14
$ ./configure --prefix=/usr/local/mmseg3
$ make
提示错误:config.status: error: cannot find input file: `src/Makefile.in'
通过网上参考资料,输入以下命令后就解决了:
[stevelee@liyuanchun mmseg-3.2.14]$ aclocal
[stevelee@liyuanchun mmseg-3.2.14]$ libtoolize –force
[stevelee@liyuanchun mmseg-3.2.14]$ automake –add-missing
[stevelee@liyuanchun mmseg-3.2.14]$ autoconf
[stevelee@liyuanchun mmseg-3.2.14]$ autoheader
[stevelee@liyuanchun mmseg-3.2.14]$ make clean
[stevelee@liyuanchun mmseg-3.2.14]$ ./configure --prefix=/usr/local/share/mmseg3
[stevelee@liyuanchun mmseg-3.2.14]$ make
[stevelee@liyuanchun mmseg-3.2.14]$ sudo make install
3、安装coreseek:
$ cd ../csft-4.1
$ ./buildconf.sh
$ ./configure --prefix=/usr/local/sphinx --without-unixodbc --with-mmseg --with-mmseg-includes=/usr/local/mmseg3/include/mmseg/ --with-mmseg-libs=/usr/local/mmseg3/lib/ --with-mysql
$ make
$ make install
4、配置mmseg中文分词
$ cd /usr/local/mmseg3
$ ./bin/mmseg -u /usr/local/mmseg3/etc/unigram.txt (将会生成unigram.txt.uni)
$ vi etc/mmseg.ini
[mmseg]
merge_number_and_ascii=0; ;合并英文和数字 abc123/x
number_and_ascii_joint=; ;定义可以连接英文和数字的字符
compress_space=1; ;暂不支持
seperate_number_ascii=0; ;将字母和数字打散
$ cp etc/mmseg.ini /usr/local/sphinx/dict/mmseg.ini(复制到sphinx/dict目录)
$ cp etc/unigram.txt.uni /usr/local/sphinx/dict/uni.lib(复制到sphinx/dict目录)
注:coreseek4.1中已自带上面两个文件,直接复制到sphinx/dict目录下即可
5、配置coreseek索引文件
$ cd /usr/local/sphinx
$ vi csft.conf
# Minimal Sphinx configuration sample (clean, simple, functional)
source src1
{
type = mysql
sql_host = localhost
sql_user = test
sql_pass =
sql_db = test
sql_port = 3306
sql_query_pre = SET NAMES UTF8(SET SESSION query_cache_type=OFF可以关闭sql查询缓存)
sql_query = SELECT id,group_id,UNIX_TIMESTAMP(date_added) AS date_added,title,content FROM documents #title和content作为字符串/文本字段被全文索引
sql_attr_uint = group_id #从SQL读取到的值必须为整数
sql_attr_timestamp = date_added #从SQL读取到的值必须为时间属性整数
sql_query_info_pre = SET NAMES UTF8#命令行查询时设置正确字符集
sql_query_info = SELECT * FROM documents WHERE id=$id #命令行查询时,从数据库读取原始数据信息
}
index test1
{
source = src1
path = /usr/local/sphinx/var/data/test1
docinfo = extern
mlock = 0
morphology = none
min_word_len = 1
html_strip = 0
# 中文分词设置
charset_type = zh_cn.utf-8
charset_dictpath = /usr/local/sphinx/dict/
ngram_len = 0
}
index testrt
{
type = rt
rt_mem_limit = 32M
path = /usr/local/sphinx/var/data/testrt
rt_field = title
rt_field = content
rt_attr_uint = group_id #从SQL读取到的值必须为整数
# 中文分词设置
charset_type = zh_cn.utf-8
charset_dictpath = /usr/local/sphinx/dict/
ngram_len = 0
}
indexer
{
mem_limit = 32M
}
searchd
{
listen = 9312
listen = 9306:mysql41
log = /usr/local/sphinx/var/log/searchd.log
query_log = /usr/local/sphinx/var/log/query.log
read_timeout = 5
max_children = 30
pid_file = /usr/local/sphinx/var/log/searchd.pid
max_matches = 1000
seamless_ratate = 1
preopen_indexes = 1
unlink_old = 1
workers = threads # for RT to work
}
6、一元分词
index test
{
type = rt
rt_mem_limit = 512M
docinfo = extern
mlock = 0
morphology = none
min_word_len = 1
html_strip = 0
path = /data/sphinx/var/data/rt/test
rt_field = name
rt_field = introduction
rt_attr_uint = gid
# charset_dictpath = /usr/local/mmseg3/etc/
charset_type = utf-8
ngram_len = 1
ngram_chars = U+4E00..U+9FBF, U+3400..U+4DBF, U+20000..U+2A6DF, U+F900..U+FAFF,\
U+2F800..U+2FA1F, U+2E80..U+2EFF, U+2F00..U+2FDF, U+3100..U+312F, U+31A0..U+31BF,\
U+3040..U+309F, U+30A0..U+30FF, U+31F0..U+31FF, U+AC00..U+D7AF, U+1100..U+11FF,\
U+3130..U+318F, U+A000..U+A48F, U+A490..U+A4CF
charset_table = U+FF10..U+FF19->0..9, 0..9, U+FF41..U+FF5A->a..z, U+FF21..U+FF3A->a..z,\
A..Z->a..z, a..z, U+0149, U+017F, U+0138, U+00DF, U+00FF, U+00C0..U+00D6->U+00E0..U+00F6,\
U+00E0..U+00F6, U+00D8..U+00DE->U+00F8..U+00FE, U+00F8..U+00FE, U+0100->U+0101, U+0101,\
U+0102->U+0103, U+0103, U+0104->U+0105, U+0105, U+0106->U+0107, U+0107, U+0108->U+0109,\
U+0109, U+010A->U+010B, U+010B, U+010C->U+010D, U+010D, U+010E->U+010F, U+010F,\
U+0110->U+0111, U+0111, U+0112->U+0113, U+0113, U+0114->U+0115, U+0115, \
U+0116->U+0117,U+0117, U+0118->U+0119, U+0119, U+011A->U+011B, U+011B, U+011C->U+011D,\
U+011D,U+011E->U+011F, U+011F, U+0130->U+0131, U+0131, U+0132->U+0133, U+0133, \
U+0134->U+0135,U+0135, U+0136->U+0137, U+0137, U+0139->U+013A, U+013A, U+013B->U+013C, \
U+013C,U+013D->U+013E, U+013E, U+013F->U+0140, U+0140, U+0141->U+0142, U+0142, \
U+0143->U+0144,U+0144, U+0145->U+0146, U+0146, U+0147->U+0148, U+0148, U+014A->U+014B, \
U+014B,U+014C->U+014D, U+014D, U+014E->U+014F, U+014F, U+0150->U+0151, U+0151, \
U+0152->U+0153,U+0153, U+0154->U+0155, U+0155, U+0156->U+0157, U+0157, U+0158->U+0159,\
U+0159,U+015A->U+015B, U+015B, U+015C->U+015D, U+015D, U+015E->U+015F, U+015F, \
U+0160->U+0161,U+0161, U+0162->U+0163, U+0163, U+0164->U+0165, U+0165, U+0166->U+0167, \
U+0167,U+0168->U+0169, U+0169, U+016A->U+016B, U+016B, U+016C->U+016D, U+016D, \
U+016E->U+016F,U+016F, U+0170->U+0171, U+0171, U+0172->U+0173, U+0173, U+0174->U+0175,\
U+0175,U+0176->U+0177, U+0177, U+0178->U+00FF, U+00FF, U+0179->U+017A, U+017A, \
U+017B->U+017C,U+017C, U+017D->U+017E, U+017E, U+0410..U+042F->U+0430..U+044F, \
U+0430..U+044F,U+05D0..U+05EA, U+0531..U+0556->U+0561..U+0586, U+0561..U+0587, \
U+0621..U+063A, U+01B9,U+01BF, U+0640..U+064A, U+0660..U+0669, U+066E, U+066F, \
U+0671..U+06D3, U+06F0..U+06FF,U+0904..U+0939, U+0958..U+095F, U+0960..U+0963, \
U+0966..U+096F, U+097B..U+097F,U+0985..U+09B9, U+09CE, U+09DC..U+09E3, U+09E6..U+09EF, \
U+0A05..U+0A39, U+0A59..U+0A5E,U+0A66..U+0A6F, U+0A85..U+0AB9, U+0AE0..U+0AE3, \
U+0AE6..U+0AEF, U+0B05..U+0B39,U+0B5C..U+0B61, U+0B66..U+0B6F, U+0B71, U+0B85..U+0BB9, \
U+0BE6..U+0BF2, U+0C05..U+0C39,U+0C66..U+0C6F, U+0C85..U+0CB9, U+0CDE..U+0CE3, \
U+0CE6..U+0CEF, U+0D05..U+0D39, U+0D60,U+0D61, U+0D66..U+0D6F, U+0D85..U+0DC6, \
U+1900..U+1938, U+1946..U+194F, U+A800..U+A805,U+A807..U+A822, U+0386->U+03B1, \
U+03AC->U+03B1, U+0388->U+03B5, U+03AD->U+03B5,U+0389->U+03B7, U+03AE->U+03B7, \
U+038A->U+03B9, U+0390->U+03B9, U+03AA->U+03B9,U+03AF->U+03B9, U+03CA->U+03B9, \
U+038C->U+03BF, U+03CC->U+03BF, U+038E->U+03C5,U+03AB->U+03C5, U+03B0->U+03C5, \
U+03CB->U+03C5, U+03CD->U+03C5, U+038F->U+03C9,U+03CE->U+03C9, U+03C2->U+03C3, \
U+0391..U+03A1->U+03B1..U+03C1,U+03A3..U+03A9->U+03C3..U+03C9, U+03B1..U+03C1, \
U+03C3..U+03C9, U+0E01..U+0E2E,U+0E30..U+0E3A, U+0E40..U+0E45, U+0E47, U+0E50..U+0E59, \
U+A000..U+A48F, U+4E00..U+9FBF,U+3400..U+4DBF, U+20000..U+2A6DF, U+F900..U+FAFF, \
U+2F800..U+2FA1F, U+2E80..U+2EFF,U+2F00..U+2FDF, U+3100..U+312F, U+31A0..U+31BF, \
U+3040..U+309F, U+30A0..U+30FF,U+31F0..U+31FF, U+AC00..U+D7AF, U+1100..U+11FF, \
U+3130..U+318F, U+A000..U+A48F,U+A490..U+A4CF
}
indexer
{
mem_limit = 512M
}
searchd
{
listen = 9312
listen = 9306:mysql41
read_timeout = 1800
max_children = 30
max_matches = 1000
seamless_rotate = 1
preopen_indexes = 0
unlink_old = 1
log = /data/sphinx/var/log/searchd.log
query_log = /data/sphinx/var/log/query.log
pid_file = /data/sphinx/var/log/searchd.pid
workers = threads
}
三、测试coreseek
1、建立索引
$ ./usr/local/sphinx/bin/indexer --all (建立所有索引)
$ ./usr/local/sphinx/bin/searchd (开启sphinx守护进程)
$ ./usr/local/sphinx/bin/search -c /usr/local/sphinx/etc/csft.conf -i test1 测试 (使用csft.conf配置文件的test1索引匹配含有 '测试' 的记录)
2、 RT实时索引
$ mysql -h 127.0.0.1 -P 9306
四、参考资料
coreseek参考手册 :http://www.coreseek.cn/docs/coreseek_4.1-sphinx_2.0.1-beta.html#getting
coreseek核心配置 :http://www.coreseek.cn/products-install/coreseek_mmseg/
php-sphinx扩展安装 :http://linux008.blog.51cto.com/2837805/622171
sphinx RT实时索引API:http://www.sphinxsearch.org/sphinx-realtime-api
发表评论
-
正则表达式:验证手机或固定电话
2015-12-21 14:38 2667写了一个验证手机号和电话号码的正则表达式,在这里存档,以备以 ... -
MySQL 5.6 配置参数说明
2015-12-05 13:24 1312# 以下选项会被MySQL客 ... -
MYSQL数据库字段命名及设计规范(转)
2015-01-16 10:46 21371.设计原则1) 标准化和规范化数据的标准化有助于消除数据库中 ... -
将操作系统装入移动硬盘
2013-02-20 21:16 10931、检测是否具备安装 ... -
mongodb分片教程
2012-11-19 16:58 11361、创建保存分片数据的文件夹 $ mkdir /hom ... -
CentOS环境下LAMP的完全编译安装
2012-10-17 21:06 1060用yum安装编译所需开发包(以下为标准的rpm包名称,根 ... -
php实现java的byte数组转换
2011-07-21 14:33 8956由于工作需要,自己写的一个php实现java的byte数组转换 ... -
mysql误删除root用户解决办法
2011-07-06 12:30 1850今天在修改mysql用户权限的时候不小心误删除了root用户, ... -
客户端和php服务器通信rsa加密解密
2011-05-24 18:26 3231这几天在做一个项目,需要使用到rsa加密解密,使用php公钥加 ... -
linux mysql远程访问
2011-05-24 18:11 1726为了给服务器一个真实的运行环境,今天在内网中部署了一台Ubun ... -
PHP session使用
2011-05-24 17:59 806因为以前是学java的,现在使用php做项目觉得特别不 ... -
PHP 包含文件路径问题
2011-05-24 17:50 1402最近刚刚在学PHP,在做一个小项目,用到了很多requ ... -
session跨域丢失问题
2011-05-24 17:32 1221以前做过一个系统,需要在系统(A)中集成目前现存系统( ...
相关推荐
CoreSeek是基于Sphinx的中文分词和全文检索引擎,提供了中文支持和更丰富的功能。它包含了mmseg中文分词算法,能够更好地处理中文的搜索需求。 ### 3. 安装Sphinx 首先,确保系统已安装必要的依赖项,如`libxml2`...
Coreseek不仅继承了Sphinx的所有优点,还针对中文语言的特点进行了专门的优化,如支持中文分词、同义词扩展等,使得其在中文信息检索领域具有显著优势。 #### 知识点二:安装与配置 Sphinx与Coreseek的安装过程...
Coreseek 是一款中文全文检索/搜索软件,以GPLv2许可协议开源发布,基于Sphinx研发并独立发布,专攻中文搜索和信息处理领域,适用于行业/垂直搜索、论坛/站内搜索、数据库搜索、文档/文献检索、信息检索、数据挖掘等...
"Coreseek"是Sphinx在中国的一个流行分发版,它集成了中文分词器,更适合处理中文数据。 在描述中提到了一个博文链接,虽然具体内容没有给出,但可以推测博主“sinykk”分享了他在安装和配置Sphinx以及与Coreseek...
首先,使用CoreSeek作为基础架构,它内置了Sphinx的全文搜索功能和MMSEG的中文分词能力。然后,引入搜狗词库以增强分词的准确性,尤其对于网络流行语和新词的识别。这样,用户输入的查询将通过MMSEG算法进行分词,...
而Coreseek则是在Sphinx基础上针对中文进行了优化的全文检索引擎,它同样遵循GPLv2协议发行,但商业使用需要获得官方的授权。Coreseek旨在提供高效、低内存占用以及高相关性的中文全文搜索能力。 ##### 1.2 Sphinx/...
1. **Coreseek简介**:Coreseek是基于Sphinx开发的一个中文全文检索解决方案,专门针对中文环境进行了优化,提供了更优秀的中文分词支持。 2. **安装步骤**: - **下载安装包**:访问Coreseek官网下载最新的稳定...
coreseek是一款基于sphinx开源的搜索引擎,因为sphinx只支持英文和俄文(即只能进行英文分词和俄文分词),所以如果要使用sphinx做中文搜索的话,需要自己独立去导入中文词库。而coreseek里集成了中文词库模块mmseg,...
CoreSeek则是Sphinx的中文扩展,它增加了对中文分词的支持,能够更准确地处理中文文档。CoreSeek 4.1作为最新版,可能包含了性能优化、错误修复和新特性,旨在提升搜索体验和效率。 在提供的压缩包文件中,我们可以...
CoreSeek是Sphinx搜索引擎的一个分支,它扩展了Sphinx的功能,提供了中文分词支持,使得在Linux环境中处理中文数据变得更加方便。CoreSeek主要由四个组件组成:Searchd(后台服务进程)、Indexer(索引构建工具)、...
coreseek是在sphinx的基础上,增加了中文分词功能,换句话说,就是支持了中文。 Coreseek发布了3.2.14版本和4.1版本,其中的3.2.14版本是2010年发布的,它是基于Sphinx0.9.9搜索引擎的。而4.1版本是2011年发布的,...
CoreSeek是Sphinx在中国的一个分支项目,它包含了更多的中文分词支持,尤其适合处理中文文本的全文检索。在安装PHP7的Sphinx扩展时,如果需要处理中文数据,可能需要集成CoreSeek的源码。这样做的目的是为了确保...
然而,对于中文的处理,Sphinx的分词能力有限,这是因为它默认仅能按照英文的空格进行分词,而中文则需要复杂的分词算法。 Coreseek是中国开发者基于Sphinx0.9.9版开发的解决方案,它包含了成熟的文档和社区支持。...
因为sphinx只支持英文和俄文(即只能进行英文分词和俄文分词),所以如果要使用sphinx做中文搜索的话,再引入一个中文词库,可以在我的文章里搜索 基于sphinx的开源搜索引擎coreseek的安装。
### 搭建Sphinx+MySQL5.1x+SphinxSE+mmseg中文分词搜索引擎架构 #### Sphinx快速介绍 Sphinx是一款高性能的全文搜索引擎,它独立于MySQL运行,但可以与MySQL配合使用来实现高效的全文检索功能。当Sphinx与MySQL...
本文将详细探讨“coreseek/sphinx分词词库txt版本(中日韩)”的核心特点、用途以及如何有效利用这些分词词库。 一、词库概述 1. 中文词库(zhuni.txt):中文分词是中文搜索引擎面临的首要挑战,因为中文词汇之间无...
4. **安装mmseg中文分词库**:编译和安装mmseg,它是Coreseek进行中文分词的关键组件。 5. **安装libsphinxclient**:此库是用于连接Sphinx搜索服务的必要组件。 6. **安装PHP Sphinx模块**:从PECL网站下载并编译...
- 中文分词支持:CoreSeek内置了MMseg分词引擎,提高了对中文文本的处理能力,使得中文搜索更加准确。 - SQL全字段全文索引:CoreSeek能够直接从MySQL等数据库中抽取数据进行索引,简化了数据同步过程。 - 更丰富...
3. **安装mmseg分词模块**:mmseg是一个支持中文分词的库,它需要在编译CoreSeek前被编译安装,以便CoreSeek可以使用它进行中文分词。 4. **获取CoreSeek和Sphinx的源代码**:需要下载CoreSeek和Sphinx的源代码包。...