sphinx + scws + Mysql + PHP全文检索

1 安装之前先安装php,mysql

php5.5.29安装:http://blog.csdn.net/clevercode/article/details/52198698。

mysql-5.5.27:http://blog.csdn.net/clevercode/article/details/45499231。

2 下载

2.1 本次安装的资源包,配置文件,测试文件

http://download.csdn.net/detail/clevercode/9602949。

2.2 其它下载地址

sphinx下载地址:http://sphinxsearch.com/downloads/release/

sphinx php扩展下载地址:http://pecl.php.net/package/sphinx

scws下载地址:http://www.xunsearch.com/scws/download.php

scws词库下载地址:http://www.xunsearch.com/scws/down/scws-dict-chs-utf8.tar.bz2

3 其它参考资料

《sphinx scws 全文检索 安装 配置 详解》:http://blog.51yip.com/mysql/1659.html。

《PHP基于Sphinx+Swcs中文分词的全文的检索》:http://www.bubuko.com/infodetail-1024880.html。

《sphinx倒排表介绍("sph", "spa", "spi", "spd", "spp", "spm")》:http://blog.csdn.net/todaylxp/article/details/4269223。

《sphinx 配置文件全解析》:http://www.cnblogs.com/yjf512/p/3598332.html。

4 安装

4.1 安装sphinx

# mkdir -p /usr/local/src/sphinx
# cd /usr/local/src/sphinx
# tar zxvf sphinx-2.2.5-release.tar.gz
# cd sphinx-2.2.5-release
# ./configure --prefix=/usr/local/sphinx2 --with-mysql=/usr/local/mysql
# make && make install 

4.2 安装sphinx客户端

# cd /usr/local/src/sphinx/sphinx-2.2.5-release/api/libsphinxclient   //sphinx-2.2.5-release目录下
# ./configure --prefix=/usr/local/sphinx2/libsphinxclient
# make && make install  

4.3 安装sphinx php扩展

(phpize在/usr/local/php5/bin/phpize ,如果没有phpize命令,ln -s 到 /usr/bin下)

# cd /usr/local/src/sphinx
# tar zxvf sphinx-1.3.1.tgz
# cd sphinx-1.3.1
# phpize
# ./configure --with-sphinx=/usr/local/sphinx2/libsphinxclient --with-php-config=/usr/local/php5/bin/php-config
# make && make install 

4.4 安装scws

# cd /usr/local/src/sphinx
# tar xvjf scws-1.2.3.tar.bz2
# mkdir /usr/local/scws
# cd scws-1.2.3
# ./configure --prefix=/usr/local/scws/
# make && make install 

4.5 安装scws php扩展

# cd /usr/local/src/sphinx/scws-1.2.3/phpext
# phpize
# ./configure --with-php-config=/usr/local/php5/bin/php-config
# make && make install 

4.6 安装scws词库

# tar xvjf scws-dict-chs-utf8.tar.bz2 -C /usr/local/scws/etc/

# www为php-fpm运行用户
# chown www:www /usr/local/scws/etc/dict.utf8.xdb

5 建立mysql数据源

5.1 test.sql

/*
Navicat MySQL Data Transfer

Source Server         : 192.168.101.130
Source Server Version : 50527
Source Host           : 192.168.101.130:3306
Source Database       : test

Target Server Type    : MYSQL
Target Server Version : 50527
File Encoding         : 65001

Date: 2016-08-14 13:46:48
*/

SET FOREIGN_KEY_CHECKS=0;

-- ----------------------------
-- Table structure for `userinfo`
-- ----------------------------
DROP TABLE IF EXISTS `userinfo`;
CREATE TABLE `userinfo` (
  `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
  `userid` int(11) unsigned NOT NULL DEFAULT '0',
  `addtime` datetime NOT NULL,
  `post` varchar(20) NOT NULL DEFAULT '',
  `summary` text NOT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=21 DEFAULT CHARSET=utf8;

-- ----------------------------
-- Records of userinfo
-- ----------------------------
INSERT INTO `userinfo` VALUES ('17', '1', '2012-06-01 00:24:54', '洪', '奥运');
INSERT INTO `userinfo` VALUES ('18', '2', '2014-08-19 10:24:54', '中国人', '洪荒');
INSERT INTO `userinfo` VALUES ('19', '3', '2015-08-01 12:24:54', '洪荒之', 'nimne');
INSERT INTO `userinfo` VALUES ('20', '4', '2013-08-01 00:24:54', '洪荒之力', '23金');

-- ----------------------------
-- Table structure for `users`
-- ----------------------------
DROP TABLE IF EXISTS `users`;
CREATE TABLE `users` (
  `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
  `username` varchar(20) NOT NULL DEFAULT '',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=5 DEFAULT CHARSET=utf8;

-- ----------------------------
-- Records of users
-- ----------------------------
INSERT INTO `users` VALUES ('1', 'zhangsan');
INSERT INTO `users` VALUES ('2', 'zhangsi');
INSERT INTO `users` VALUES ('3', '李四');
INSERT INTO `users` VALUES ('4', '王五');

5.2 执行source test.sql

5.3 数据源

6 配置sphinx

其中searchd 以下3个配置比较重要。mysql -h 127.0.0.1 -P 9306访问。9312可以给php访问。query_log_format 记录日志的格式。

1 # php

listen          = 9312

2 # mysql

listen          = 9306:mysql41

3 # log_format

query_log_format = sphinxql

# vim /usr/local/sphinx2/etc/sphinx.conf

source users
{
	type			= mysql
	sql_host		= 127.0.0.1
	sql_user		= root
	sql_pass		= 123456
	sql_db			= test
	sql_port		= 3306	# optional, default is 3306
	sql_query_pre = SET NAMES utf8
        sql_query_pre = SET SESSION query_cache_type=OFF
        sql_query = 	SELECT a.id, a.userid,b.username, UNIX_TIMESTAMP(a.addtime) AS addtime, a.post, a.summary 	FROM userinfo a left join users b on a.userid = b.id
	sql_attr_uint = userid
	sql_field_string = username
	sql_field_string = post
	sql_attr_timestamp = addtime
	sql_ranged_throttle = 0
	#sql_attr_uint		= group_id
	#sql_attr_timestamp	= date_added
	#sql_ranged_throttle	= 0
}
source src1throttled : users
{
	sql_ranged_throttle	= 100
}

index users
{
	source = users
	path = /usr/local/sphinx2/var/data/users
	docinfo = extern
	mlock = 0
	morphology = none
	min_word_len = 1
	html_strip = 1
	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
}
common
{
}
indexer
{
	mem_limit		= 128M
}
searchd
{

	#php
	listen          = 9312

	#mysql
    listen          = 9306:mysql41

	log			= /usr/local/sphinx2/var/log/searchd.log
	query_log		= /usr/local/sphinx2/var/log/query.log
	query_log_format = sphinxql
	read_timeout		= 5
	client_timeout		= 300
	max_children		= 30
	persistent_connections_limit	= 30
	pid_file		= /usr/local/sphinx2/var/log/searchd.pid
	seamless_rotate		= 1
	preopen_indexes		= 1
	unlink_old		= 1
	mva_updates_pool	= 1M
	max_packet_size		= 8M
	max_filters		= 256
	max_filter_values	= 4096
	max_batch_queries	= 32
	workers			= threads # for RT to work
}

7 配置php.ini

# vim /etc/php.ini 添加

[sphinx]
extension = sphinx.so

[scws]
extension = scws.so
scws.default.charset = utf-8
scws.default.fpath = /usr/local/scws/etc

8 启动sphinx,php-fpm

8.1,启动sphinx

# pkill searchd
# /usr/local/sphinx2/bin/indexer --config /usr/local/sphinx2/etc/sphinx.conf --all
# /usr/local/sphinx2/bin/searchd --config /usr/local/sphinx2/etc/sphinx.conf

# 如果报错libmysqlclient.so.18。

# ln -s /usr/local/mysql/lib/libmysqlclient.so.18 /usr/lib/libmysqlclient.so.18 #32机器

# ln -s /usr/local/mysql/lib/libmysqlclient.so.18 /usr/lib64/libmysqlclient.so.18   #64位机器

8.2,重启php-fpm(如果是web调用php)

重启php-fpm

9 测试sphinx全文检索

9.1 客户端测试

9.2 php测试

test.php

<?php
 header("Content-type: text/html; charset=utf-8");
 $b_time = microtime(true);
 $key = "洪荒之力";
 $index = "users";
 //========================================分词

 $so = scws_new();
 $so->set_charset('utf-8');
 //默认词库
 $so->add_dict(ini_get('scws.default.fpath') . '/dict.utf8.xdb');
 //自定义词库
// $so->add_dict('./dd.txt',SCWS_XDICT_TXT);
 //默认规则
 $so->set_rule(ini_get('scws.default.fpath') . '/rules.utf8.ini');

 //设定分词返回结果时是否去除一些特殊的标点符号
 $so->set_ignore(true);

 //设定分词返回结果时是否复式分割,如“中国人”返回“中国+人+中国人”三个词。
 // 按位异或的 1 | 2 | 4 | 8 分别表示: 短词 | 二元 | 主要单字 | 所有单字
 //1,2,4,8 分别对应常量 SCWS_MULTI_SHORT SCWS_MULTI_DUALITY SCWS_MULTI_ZMAIN SCWS_MULTI_ZALL
 $so->set_multi(false);

 //设定是否将闲散文字自动以二字分词法聚合
 $so->set_duality(false);

 //设定搜索词
 $so->send_text($key);
 $words_array = $so->get_result();
 $words = "";
 foreach($words_array as $v)
 {
 $words = $words.'|('.$v['word'].')';
 }

 //加入全词
 #$words = '('.$key.')'.$words;
 $words = trim($words,'|');
 $so->close();
 echo '<p>输入:'.$key.'</p>'."\r\n";
 echo '<p>分词:'.$words.'</p>'."\r\n";
//========================================搜索
 $sc = new SphinxClient();
 $sc->SetServer('127.0.0.1',9312);
 #$sc->SetMatchMode(SPH_MATCH_ALL);
 $sc->SetMatchMode(SPH_MATCH_EXTENDED);
 $sc->SetArrayResult(TRUE);
 $res = $sc->Query($words,$index);
 print_r($res);
 $e_time = microtime(true);
 $time = $e_time - $b_time;
 exit;
?>

3)打印结果

从words结果中可以看出一元分词后命中的文章数。

<p>输入:洪荒之力</p>
<p>分词:(洪荒)|(之)|(力)</p>
Array
(
    [error] =>
    [warning] =>
    [status] => 0
    [fields] => Array
        (
            [0] => username
            [1] => post
            [2] => summary
        )

    [attrs] => Array
        (
            [userid] => 1
            [username] => 7
            [addtime] => 2
            [post] => 7
        )

    [matches] => Array
        (
            [0] => Array
                (
                    [id] => 20
                    [weight] => 4500
                    [attrs] => Array
                        (
                            [userid] => 4
                            [username] => 王五
                            [addtime] => 1375345494
                            [post] => 洪荒之力
                        )

                )

            [1] => Array
                (
                    [id] => 19
                    [weight] => 3451
                    [attrs] => Array
                        (
                            [userid] => 3
                            [username] => 李四
                            [addtime] => 1438460694
                            [post] => 洪荒之
                        )

                )

            [2] => Array
                (
                    [id] => 18
                    [weight] => 2436
                    [attrs] => Array
                        (
                            [userid] => 2
                            [username] => zhangsi
                            [addtime] => 1408472694
                            [post] => 中国人
                        )

                )

        )

    [total] => 3
    [total_found] => 3
    [time] => 0
    [words] => Array
        (
            [洪] => Array
                (
                    [docs] => 4
                    [hits] => 4
                )

            [荒] => Array
                (
                    [docs] => 3
                    [hits] => 3
                )

            [之] => Array
                (
                    [docs] => 2
                    [hits] => 2
                )

            [力] => Array
                (
                    [docs] => 1
                    [hits] => 1
                )

        )

)

4 查询query.log

时间: 2024-10-27 10:28:13

sphinx + scws + Mysql + PHP全文检索的相关文章

Sphinx 之 Coreseek、Sphinx-for-chinaese、Sphinx+Scws 评测

Sphinx是一个基于SQL的全文检索引擎:普遍使用于很多网站:但由于中英文的差异,其本身,对中文的支持并不好.主要体现在对一段话断词:英文只需按照空格对其分词即可:但对于博大精深的中文来说,却是件困难的事情. 分词在两个地方会用到:1.索引时,根据分词索引原始数据2.搜索时,对用户输入分词,到索引中查询 本文提供了三种目前最常用的方案Coreseek.Sphinx-for-chinaese.Sphinx+Scws,并对其简单对比:在合适的场景,选择合适的方案,得出最优的解. 评测:一.Core

PHP+MYSQL实现全文检索及全文检索工具

使用分词类库,分词类库请参见:http://www.xunsearch.com/scws/ 如何使用PHP实现全文检索功能? 很多人可能马上可以想出几种方案,比如:文件检索法.采用SQL的like语句等方法,但这些方法效率都相当的低. 这里介绍一种比较高效的PHP全文检索实现方法,这就是采用MYSQL的FULLTEXT字段类型.但是MYSQL的FULLTEXT字段对中文的支持不是很好,本文也一并介绍如何通过PHP+MYSQL实现中文全文检索功能. 首先需要用到一个PHP中文分词扩展模块--SCW

使用sphinx索引mysql数据

数据库表如下 mysql> select * from tb_account; +----+-------+------+ | id | name | age | +----+-------+------+ | 1 | ciaos | 3 | | 2 | stone | 6 | +----+-------+------+ 安装sphinx yum install sphinx libsphinxclient-devel 配置sphinx代替mysql全文索引(/etc/sphinx/sphinx

MySQL中文全文检索

一.概述 MySQL全文检索是利用查询关键字和查询列内容之间的相关度进行检索,可以利用全文索引来提高匹配的速度. 二.语法 1 2 MATCH (col1,col2,...) AGAINST (expr [search_modifier]) search_modifier: { IN BOOLEAN MODE | WITH QUERY EXPANSION } 例如:SELECT * FROM tab_name WHERE MATCH ('列名1,列名2...列名n') AGAINST('词1 词

windows7使用Sphinx+PHP+MySQL详细介绍

安装(Windows) 1.官方下载 Sphinx下载地址: 下载 2.解压并重命名 此处下载版本为3.0.3,将 sphinx 文件夹命名为sphinx 3.文件夹目录介绍 sphinx --api(各语言支持的api) --bin(二进制程序) --doc(文档说明) --etc(配置文件:conf/sql) --misc --src # 手动创建以下两个文件夹 --data --log 4.设置配置文件 (1)将sphinx/etc/sphinx-min.conf.dist文件复制到sph

php+中文分词scws+sphinx+mysql打造千万级数据全文搜索

Sphinx是由俄罗斯人Andrew Aksyonoff开发的一个全文检索引擎.意图为其他应用提供高速.低空间占用.高结果 相关度的全文搜索功能.Sphinx可以非常容易的与SQL数据库和脚本语言集成.当前系统内置MySQL和PostgreSQL 数据库数据源的支持,也支持从标准输入读取特定格式 的XML数据.Sphinx创建索引的速度为:创建100万条记录的索引只需3-4分钟,创建1000万条记录的索引可以在50分钟内完成,而只包含最新10万条记录的增量索引,重建一次只需几十秒.Sphinx的

PHP+mysql数据库开发类似百度的搜索功能:中英文分词+全文检索(MySQL全文检索+中文分词(SCWS))

PHP+mysql数据库开发类似百度的搜索功能:中英文分词+全文检索 中文分词: a)   robbe PHP中文分词扩展: http://www.boyunjian.com/v/softd/robbe.html i.  Robbe完整版本下载:Robbe完整版本(PHP测试程序, 开发帮助文档, WinNT下php各版本的dll文件)下载: http://code.google.com/p/robbe(“谷歌”无法使用) b) SCWS(简易中文分词) 基于HTTP/POST的分词 : htt

Mysql+Sphinx实现全文搜索

最近在做一个搜索引擎,主要是对图书方面的对象级的搜索,首先来了解下Sphinx吧. 它能够提高你的查询的速度,这个不是一般的快. 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,他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.Python.Perl.Ruby等,同时为MySQL也设计了一个存储引擎插件. Sphinx单一索引最大可包含1亿

Sphinx在windows下安装使用(支持中文全文检索)

前段时间听同事谈起过,公司内部的一个搜索功能用的就是Sphinx,但一直没时间去整一下,今天刚好有点时间,那么就折腾一次吧.一般在linux上比较多,今天就在windows下安装于调试一下吧. 前言: 一.关于Sphinx Sphinx 是一个在GPLv2 下发布的一个全文检索引擎,商业授权(例如, 嵌入到其他程序中)需要联系作者(Sphinxsearch.com)以获得商业授权.一般而言,Sphinx是一个独立的搜索引擎,意图为其他应用提供高速.低空间占用.高结果相关度的全文搜索功能.Sphi