`
purpen
  • 浏览: 797883 次
  • 性别: Icon_minigender_1
  • 来自: 北京
社区版块
存档分类
最新评论

sphinx中文全文检索的实现

阅读更多
首先以下是配置文件:
引用

source cv
{
type = mysql
sql_host = localhost
sql_user = root
sql_pass = passwod
sql_db = database
sql_query_pre= SET NAMES utf8
sql_query = \
SELECT id, title, introtext,unix_timestamp(created) as addtime \
FROM jos_content
sql_attr_timestamp = addtime
sql_ranged_throttle = 0
}
index cv
{
source = cv
path = /usr/local/sphinx/var/data/joomlainx
docinfo = extern
mlock = 0
stopwords =
min_prefix_len = 0
min_infix_len = 0
min_word_len = 2
charset_type = utf-8
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
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
}

indexer
{
mem_limit = 32M
}
searchd
{
port = 3312
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_rotate = 1
}


你可以参考一下,使用这个配置文件需要修改用户,密码保存目录等,来符合你自己mysql的要求。sphinx的官网的配置有一些问题,最关键的就是 morphology = none 这段在中文情况下不能使用,否则会导致无法启动searchd服务。

配置完成后,就可以进行索引:

/usr/local/sphinx/bin/indexer --config /usr/local/sphinx/etc/sphinx.conf --all

然后可以启动searchd

/usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/sphinx.conf

我们来用php api进行搜索,将安装目录的api文件都copy 到 网站的documentroot下,最重要的是sphinxapi.php

新建一个test.php文件,代码如下:

引用
<?php
require ( "sphinxapi.php" );

$q = $_GET['q'];
$mode = SPH_MATCH_ALL;
$host = "localhost";
$port = 3312;
$index = "*";
$groupby = "";
$groupsort = "@group desc";
$filter = "site_id";
$filtervals = array();
$distinct = "";
$sortby = "";
$limit = 20;
$opts = array
(
"before_match" => "<b>",
"after_match" => "</b>",
"chunk_separator" => " ... ",
"limit" => 60,
"around" => 3,
);
$ranker = SPH_RANK_PROXIMITY_BM25;

////////////
// do query
////////////

$cl = new SphinxClient ();
$cl->SetServer ( $host, $port );
$cl->SetWeights ( array ( 100, 1 ) );
$cl->SetMatchMode ( $mode );
if ( count($filtervals) ) $cl->SetFilter ( $filter, $filtervals );
if ( $groupby ) $cl->SetGroupBy ( $groupby, SPH_GROUPBY_ATTR, $groupsort );
if ( $sortby ) $cl->SetSortMode ( SPH_SORT_EXTENDED, $sortby );
if ( $sortexpr ) $cl->SetSortMode ( SPH_SORT_EXPR, $sortexpr );
if ( $distinct ) $cl->SetGroupDistinct ( $distinct );
if ( $limit ) $cl->SetLimits ( 0, $limit, ( $limit>1000 ) ? $limit : 1000 );
$cl->SetRankingMode ( $ranker );
$cl->SetArrayResult ( true );
$res = $cl->Query ( $q, $index );
?>

这是一个最简单的测试实例,注意保存的charset是 utf-8 ,无BOM,现在可以通过http://yourdomain.com/test.php来测试,结果会返回一个数组,sphinx不会返回title和content等内容,因此要根据id在mysql检索以显示文章标题和正文。

sphinx现在生成的索引文件不能大于2G。
分享到:
评论

相关推荐

    sphinx 中英文分词检索介绍

    ### Sphinx 中英文分词...综上所述,Sphinx作为一款强大的全文检索引擎,不仅具备高效的索引构建和查询能力,还通过与Coreseek等第三方工具的结合,有效解决了中文分词等问题,成为许多项目中实现全文搜索的理想选择。

    sphinx+php检索引擎

    此时,引入Sphinx作为全文检索解决方案是一个明智的选择。Sphinx是一款专门用于处理大量文本数据的高性能全文搜索工具,能够显著提高搜索速度和准确性。 #### 二、Sphinx简介 Sphinx是由俄罗斯开发者Andrew ...

    archive_ Sphinx全文检索引擎 for Mac v3.3.1 [江西新余电信].zip.zip

    Sphinx是一个开源全文检索引擎,特别适用于需要高效、精确全文搜索功能的应用程序。在这个特定的压缩包中,我们找到了"Sphinx全文检索引擎 for Mac v3.3.1 [江西新余电信].zip",这表明这是一个针对Mac操作系统的...

    用Sphinx搭建MySQL中文全文搜索

    这时,我们可以借助第三方工具如Sphinx来增强MySQL的全文检索能力,实现高效且精准的中文搜索。本文将详细介绍如何使用Sphinx搭建MySQL的中文全文搜索。 首先,Sphinx是一个开源的全文搜索引擎,它的设计目标是提供...

    archive_ Sphinx全文检索引擎 for Windows v3.3.1 [江西新余电信].zip.zip

    在Windows平台上,Sphinx提供了便捷的安装和使用方式,使得开发者无需深入理解复杂的搜索引擎技术,就能实现快速、精准的全文搜索功能。 Sphinx v3.3.1是该软件的一个版本,它可能包含了一系列的性能优化、bug修复...

    sql全文索引 sphinx

    SQL全文索引是一种在数据库中实现全文搜索的技术,它允许用户使用自然语言查询数据库,而不仅仅是精确匹配。Sphinx是一个高性能、开源的全文搜索引擎,它为SQL数据库提供了强大的全文索引功能。Sphinx与SQL结合使用...

    Sphinx-完整中文手册

    Sphinx是一款强大的开源全文检索引擎,而Coreseek是基于Sphinx的免费开源中文全文检索引擎。这两个引擎的主要用途是帮助用户快速地从大量文本数据中找到所需的特定信息。它们为用户提供了丰富的检索功能,例如支持...

    sphinx社区全文搜索平台配置手册.pdf

    在中文分词方面,Sphinx通过与MMseg或类似工具的集成,实现了对中文词汇的精确识别,从而提高搜索精度。 总之,Sphinx作为一个强大的全文搜索引擎,为大型论坛系统如Discuz!提供了高效的全文检索解决方案,解决了...

    sphinx全文搜索引擎

    Sphinx全文搜索引擎是一款高效、可定制的开源全文检索引擎,主要设计用于网站后台提供快速、准确的全文搜索功能。它最初由俄罗斯开发者Andrew Aksyonoff开发,现在已经成为许多大型网站和应用程序的重要组成部分,...

    sphinx社区全文搜索平台配置手册.docx

    4. **安装 CSFT**:下载并编译 CSFT,将其配置与Sphinx 集成,以实现中文分词。 5. **解决编译错误**: - 如果遇到找不到 mysql 路径的问题,需要设置 `MYSQL_HOME` 环境变量指向 MySQL 的安装路径。 - 如果找不到...

    sphinx中文文档

    Sphinx是一个基于SQL的全文检索引擎,可以结合MySQL,PostgreSQL做全文搜索,它可以提供比数据库本身更专业的搜索功能,使得应用程序更容易实现专业化的全文检索。Sphinx特别为一些脚本语言设计搜索API接口,如PHP,...

    sphinx支持discuz包

    6. **多语言支持**:除了中文,Sphinx 还支持其他多种语言的全文检索,满足国际化社区的需求。 **安装和配置步骤** 1. **安装 Sphinx**:首先需要在服务器上安装Sphinx,通常这涉及编译源码并配置相关参数。 2. *...

    基于Java的全文检索引擎简介

    #### 三、全文检索实现机制 ##### 1. **基本概念** - **Document(文档)**:需要进行索引的最小单元,可以理解为一条记录或一篇文章。 - **Field(字段)**:构成Document的基本元素,每个Field代表文档中的一...

    php7的sphinx扩展,适用linux,mac

    `,可以方便地实现全文搜索功能。 接下来,我们关注"coreseek"这个词。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...

    Lucene基于Java的全文检索引擎简介

    #### 二、全文检索的实现机制 全文检索与传统数据库索引存在显著差异,主要体现在以下几个方面: 1. **数据索引方式:** - **数据库索引:** 主要用于加速特定字段的查询,例如主键或特定列值。 - **全文索引:*...

    基于Sphinx+MySql+Python的站内搜索引擎的设计与实现.pdf

    Sphinx支持多种检索模式,比如布尔检索、短语检索和词语相似度检索,并且可以支持多文档的全文检索字段以及额外属性信息的检索。它主要的特性包括:高效的索引建立速度、快速的搜索响应时间和对超过100GB文本数据的...

    sphinx2.0.6 sphinxSE 中文手册

    Sphinx通过创建独立的全文索引,实现对数据库中大文本字段的高效检索,尤其适用于海量数据的快速检索场景。 #### SphinxSE插件详解 SphinxSE是Sphinx的一个MySQL存储引擎插件,允许在MySQL中直接使用Sphinx进行...

    Sphinx中文手册.pdf

    SphinxSE是Sphinx的一个插件,它可以作为MySQL的存储引擎运行,实现全文搜索功能的集成。 **6.2 安装SphinxSE** - **在MySQL 5.0.x上编译SphinxSE** - **在MySQL 5.1.x上编译SphinxSE** - **SphinxSE安装测试** *...

Global site tag (gtag.js) - Google Analytics