电脑-Sphinx在windows下安装使用[支持中文全文检索]_教程

前一阵子尝试使用了一下Sphinx，一个能够被各种语言(PHP/Python/Ruby/etc)方便调用的全文检索系统。网上的资料大多是在linux环境下的安装使用，当然，作为生产环境很有必要部署在*nix环境下，作为学习测试，还是windows环境比较方便些。

本文旨在提供一种便捷的方式让Sphinx在windows下安装配置以支持中文全文检索，配置部分在linux下通用。

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。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。通过修改源代码，用户可以自行增加新的数据源（例如：其他类型的DBMS的原生支持）。

搜索API支持PHP、Python、Perl、Rudy和Java，并且也可以用作MySQL存储引擎。搜索API非常简单，可以在若干个小时之内移植到新的语言上。

Sphinx特性：

高速的建立索引(在当代CPU上，峰值性能可达到10MB/秒)高性能的搜索(在2–4GB的文本数据上，平均每次检索响应时间小于0.1秒)可处理海量数据(目前已知可以处理超过100GB的文本数据,在单一CPU的系统上可处理100M文档)提供了优秀的相关度算法，基于短语相似度和统计（BM25）的复合Ranking方法支持分布式搜索提供文件的摘录生成可作为MySQL的存储引擎提供搜索服务支持布尔、短语、词语相似度等多种检索模式文档支持多个全文告蚂检索字段(最大不超过32个)文档支持多个额外的`属性信息(例如：分组信息，时间戳等)停止词查询支持单一字节编码和UTF-8编码原生的MySQL支持(同时支持MyISAM和InnoDB)原生的PostgreSQL支持.

中文手册可以在这里获得（酷勤网备用下载地址纤孙：sphinx_doc_zhcn_0.9.pdf）。

二、Sphinx在windows上的安装

1.直接在http://www.sphinxsearch.com/downloads.html找到最新的windows版本，我这里下的是Win32 release binaries with MySQL support，下载后解压在D:sphinx目录下；

2.在D:sphinx下新建一个data目录用来存放索引文件，一个log目录方日志文件，复制D:sphinxsphinx.conf.in到D:sphinxbinsphinx.conf（注意修改文件名）；

3.修改D:sphinxbinsphinx.conf，我这里列出需要修改的几个：

type= mysql # 数据源，我这里是mysqlsql_host= localhost # 数据库服务器sql_user= root # 数据库用户名sql_pass='' # 数据库密码sql_db= test # 数据库sql_port= 3306 # 数据库端口

sql_query_pre= SET NAMES utf8 # 去掉此行前面的注释，如果你的数据库是uft8编码的

index test1{#放索引的目录path= D:/sphinx/data/# 编码charset_type= utf-8#指定utf-8的编码表charset_table=0..9, A..Z->a..z, _, a..z, U+410..U+42F->U+430..U+44F, U+430..U+44F# 简单分词，只支持0和1，如果要搜索中文，请指定为1ngram_len= 1# 需要分词的字符，如果要搜毁友链索中文，去掉前面的注释ngram_chars= U+3000..U+2FA1F}

# index test1stemmed : test1# {# path= @CONFDIR@/data/test1stemmed# morphology= stem_en# }# 如果没有分布式索引，注释掉下面的内容# index dist1# {# 'distributed' index type MUST be specified# type= distributed

# local index to be searched# there can be many local indexes configured# local= test1# local= test1stemmed

# remote agent# multiple remote agents may be specified# syntax is 'hostname:port:index1,[index2[,...]]# agent= localhost:3313:remote1# agent= localhost:3314:remote2,remote3

# remote agent connection timeout, milliseconds# optional, default is 1000 ms, ie. 1 sec# agent_connect_timeout= 1000

# remote agent query timeout, milliseconds# optional, default is 3000 ms, ie. 3 sec# agent_query_timeout= 3000# }

# 搜索服务需要修改的部分searchd{# 日志log= D:/sphinx/log/searchd.log

# PID file, searchd process ID file namepid_file= D:/sphinx/log/searchd.pid

# windows下启动searchd服务一定要注释掉这个 # seamless_rotate= 1}

4.导入测试数据

C:Program FilesMySQLMySQL Server 5.0bin>mysql -uroot test<d:/sphinx/example.sql

5.建立索引

D:sphinxbin>indexer.exe test1

Sphinx 0.9.8-release (r1533)

using config file ‘./sphinx.conf’…

indexing index ‘test1′…

collected 4 docs, 0.0 MB

sorted 0.0 Mhits, 100.0% done

total 4 docs, 193 bytes

total 0.101 sec, 1916.30 bytes/sec, 39.72 docs/sec

D:sphinxbin>

6.搜索’test’试试

D:sphinxbin>search.exe test

Sphinx 0.9.8-release (r1533)

using config file ‘./sphinx.conf’…

index ‘test1′: query ‘test ‘: returned 3 matches of 3 total in 0.000 sec

displaying matches:

1. document=1, weight=2, group_id=1, date_added=Wed Nov 26 14:58:59 2008

id=1

group_id=1

group_id2=5

date_added=2008-11-26 14:58:59

title=test one

content=this is my test document number one. also checking search within

phrases.

2. document=2, weight=2, group_id=1, date_added=Wed Nov 26 14:58:59 2008

id=2

group_id=1

group_id2=6

date_added=2008-11-26 14:58:59

title=test two

content=this is my test document number two

3. document=4, weight=1, group_id=2, date_added=Wed Nov 26 14:58:59 2008

id=4

group_id=2

group_id2=8

date_added=2008-11-26 14:58:59

title=doc number four

content=this is to test groups

words:

1. ‘test’: 3 documents, 5 hits

D:sphinxbin>

都所出来了吧。

6.测试中文搜索

修改test数据库中documents数据表，

UPDATE `test`.`documents` SET `title` = ‘测试中文’, `content` = ‘this is my test document number two，应该搜的到吧’ WHERE `documents`.`id` = 2

重建索引：

D:sphinxbin>indexer.exe –all

搜索’中文’试试：

D:sphinxbin>search.exe 中文

Sphinx 0.9.8-release (r1533)

using config file ‘./sphinx.conf’…

index ‘test1′: query ‘中文 ‘: returned 0 matches of 0 total in 0.000 sec

words:

D:sphinxbin>

貌似没有搜到，这是因为windows命令行中的编码是gbk，当然搜不出来。我们可以用程序试试，在D:sphinxapi下新建一个foo.php的文件，注意utf-8编码

<?php

require ’sphinxapi.php’

$s = new SphinxClient()

$s->SetServer(’localhost’,3312)

$result = $s->Query(’中文’)

var_dump($result)

启动Sphinx searchd服务

D:sphinxbin>searchd.exe

Sphinx 0.9.8-release (r1533)

WARNING: forcing –console mode on Windows

using config file ‘./sphinx.conf’…

creating server socket on 0.0.0.0:3312

accepting connections

执行PHP查询：

php d:/sphinx/api/foo.php

结果是不是出来？剩下的工作就是去看手册，慢慢摸索高阶的配置。

1、下载，我这里下的是“Win64 binaries w/MySQL+PgSQL+libstemmer+id64 support”，下载后文件名：sphinx-2.0.6-release-win64-id64-full.zip；

2、将其解压到D: \ sphinx，并在D:\sphinx下新建目录data(用来存放索引文件)与log(用来存放日志文件)；

3、将D:\sphinx\sphinx.conf.in复制到D:\sphinx\bin\sphinx.conf.in，并重命名为sphinx.conf；

4、修改 D:\sphinx\bin\sphinx.conf 如下：

4.1、搜索source src1修改{...}中的内容

# 使用的数据库类型

type = mysql

# 服务器

sql_host = localhost

# 数据库登录名

sql_user = root

# 数据库登录密码

sql_pass = root

# *** 作的数据库名称

sql_db = test

# 数据库服务器端口

sql_port = 3306

# 设置编码，如果用的是utf-8编码

sql_query_pre = SET NAMES utf-8

（以上7条前如有#将其删除）

4.2、搜索index test1修改{...}中的内容

# 放索引的目录

path = D:/sphinx/data/

# 编码

charset_type = utf-8

# 指定utf-8编码表

charset_table = 0..9, A..Z->哪敏a..z, _, a..z, U+410..U+42F->U+430..U+44F, U+430..U+44F

# 简单分词，只有0和1，需要搜索中文必须置1

ngram_len = 1

# 需要分词的字符，搜索中文时必须

ngram_chars = U+3000..U+2FA1F

（以上5条前如有#将其删除）

5、导入测试数据将D:\sphinx\example.sql中语句执行到test数据库中，注意：test数据库创建时需要指定为utf-8格式；

6、打开cmd窗口，进入目录D:\sphinx\bin；

7、仔山建立索引，执行indexer.exe test1，test1即为sphinx.conf中index test1

Sphinx 2.0.6-id64-release (r3473)

using config file './sphinx.conf'...

indexing index 'test1'...

collected 4 docs, 0.0 MB

sorted 0.0 Mhits, 100.0% done

total 4 docs, 222 bytes

total 0.019 sec, 11252 bytes/sec, 202.74 docs/sec

total 2 reads, 0.000 sec, 0.2 kb/call avg, 0.0 msec/call avg

total 9 writes, 0.000 sec, 0.1 kb/call avg, 0.0 msec/call avg

成功...

8、搜索'test'，李戚枝执行search.exe test

Sphinx 2.0.6-id64-release (r3473)

using config file './sphinx.conf'...

index 'test1': query 'test ': returned 3 matches of 3 total in 0.000 sec

displaying matches:

1. document=1, weight=2421, group_id=1, date_added=Tue Feb 26 10:25:31 2013

id=1

group_id=1

group_id2=5

date_added=2013-02-26 10:25:31

title=test one

content=this is my test document number one. also checking search within

phrases.

2. document=2, weight=1442, group_id=3, date_added=Tue Feb 26 10:25:31 2013

id=2

group_id=3

group_id2=6

date_added=2013-02-26 10:25:31

title= ????

content=this is my test document number two ???????

3. document=4, weight=1442, group_id=2, date_added=Tue Feb 26 10:25:31 2013

id=4

group_id=2

group_id2=8

date_added=2013-02-26 10:25:31

title=doc number four

content=this is to test groups

words:

1. 'test': 3 documents, 4 hits

index 'test1stemmed': search error: failed to open D:/sphinx/data/test1stemmed.s

ph: No such file or directory.

最后面的一句error可忽略；

9、搜索中文，首先将数据库中的内容update含有中文，执行sql语句：

UPDATE documents SET title='中文', content='this is my test document number one. also checking search within phrases.含有中文。' WHERE id=1

UPDATE documents SET title='中文标题', content='this is my test document number one. also checking search within phrases.含有中文内容。' WHERE id=2

UPDATE documents SET title='中文标题测试', content='this is my test document number one. also checking search within phrases.含有中文内容。' WHERE id=3

重新建立索引（执行第7步）；

然后执行search.exe 中文

Sphinx 2.0.6-id64-release (r3473)

using config file './sphinx.conf'...

indexing index 'test1'...

collected 4 docs, 0.0 MB

sorted 0.0 Mhits, 100.0% done

total 4 docs, 349 bytes

total 0.025 sec, 13808 bytes/sec, 158.26 docs/sec

total 2 reads, 0.000 sec, 0.3 kb/call avg, 0.0 msec/call avg

total 9 writes, 0.000 sec, 0.2 kb/call avg, 0.0 msec/call avg

D:\sphinx\bin>search.exe 中文

Sphinx 2.0.6-id64-release (r3473)

using config file './sphinx.conf'...

index 'test1': query '中文 ': returned 0 matches of 0 total in 0.000 sec

words:

index 'test1stemmed': search error: failed to open D:/sphinx/data/test1stemmed.s

ph: No such file or directory.

没有搜索到，因为windows命令行中的中文时GBK编码格式，所以没有匹配内容。我们可以使用PHP程序来试试；

10、进入D:\sphinx\api\目录，可以发现sphinx支持php、java、ruby调用，并提供对应的test例子，这里我们使用php来 *** 作，首先将api复制到D:\www\下并重命名为sphinxapi，因为我本机上apache的web目录为D:\www，在D:\www\sphinxapi\下新建search.php，内容为：

<?php

require 'sphinxapi.php'

$s = new SphinxClient()

$s->SetServer('localhost', 9312)

$result = $s->Query('中国')

print_r($result)

echo '<br /><br />'

$result = $s->Query('中文')

print_r($result)

然后回到cmd命令行中，开启sphinx服务，执行searchd.exe(这个必须要执行的)

Sphinx 2.0.6-id64-release (r3473)

using config file './sphinx.conf'...

WARNING: compat_sphinxql_magics=1 is deprecatedplease update your application

and config

WARNING: preopen_indexes=1 has no effect with seamless_rotate=0

listening on all interfaces, port=9312

listening on all interfaces, port=9306

precaching index 'test1'

precaching index 'test1stemmed'

WARNING: index 'test1stemmed': preload: failed to open D:/sphinx/data/test1stemm

ed.sph: No such file or directoryNOT SERVING

precaching index 'rt'

WARNING: index 'rt': preload: failed to open @CONFDIR@/data/rt.lock: No such fil

e or directoryNOT SERVING

precached 3 indexes in 0.018 sec

成功...

然后在浏览器中执行http://localhost/sphinxapi/search.php，打印出来的数组结果可以很清晰的看见搜索的结果比对。。。

11、至此sphinx在windows下的简单安装与使用就完成了。

欢迎分享，转载请注明来源：内存溢出

原文地址: http://outofmemory.cn/tougao/12385339.html

电脑-Sphinx在windows下安装使用[支持中文全文检索]

发表评论

评论列表（0条）