用PHPdig打造屬於你自己的Google

　一、什麼是phpdig？

　PHPdig是國外非常流行的垂直搜尋引擎產品（與其說是產品，不如說是一項區別於傳統搜尋引擎的搜尋技術），採用PHP語言編寫，利用了PHP程式啟動並執行高效性，極大地提高了搜尋反應速度，它可以像Google或者Baidu以及其它搜尋引擎一樣搜尋互連網，搜尋內容除了普通的網頁外還包括txt, doc, xls, pdf等各式的檔案，具有強大的內容搜尋和檔案解析功能。PHPdig同傳統的搜尋引擎一樣，包含了以下三種最基本的技術：

　1．Spider技術

　2．網頁結構化資訊抽取技術或中繼資料採集技術

　3．分詞、索引技術

　區別於傳統搜尋引擎，PHPdig適用於專業化更強、層次更深的個人化搜尋引擎，利用它打造針對某一領域的垂直搜尋引擎是最好的選擇。

　二、如何獲得這PHPdig？

　PHPdig是免費產品（需要保留著作權），最新版本是 phpdig-1.8.9 為了避免Apache以及MySQL的版本相容性問題，建議採用較低級的版本，其網站地址是：http://www.phpdig.net ，下載地址是：http://www.phpdig.net/navigation.php?action=download 說明一下，我試用過phpdig-1.8.9版本，但出現了很多問題，改用PHPdig-1.8.8則問題較少。

　三、具體步驟

　1.擷取產品

　訪問http://www.phpdig.net/navigation.php?action=download下載PHPdig-1.8.8至案頭，解壓縮至Apache伺服器html目錄，一般路徑為：D:\usr\www\html\，（如果你沒有安裝Apache伺服器請事先安裝，推薦使用Mappm-Server v1.1.9 Final，Mappm-Server 採用傻瓜式安裝，一次搞定，方便調試和運行 PHP/CGI+MySQL 程式）。

　2.運行並配置PHPdig資料庫

　開啟瀏覽器輸入http://localhost/phpdig/按斷行符號鍵，頁面列出PHPdig的所有檔案及包含檔案夾，找一找發現沒有預設首頁檔案（default,index）,單擊search.php檔案出現錯誤提示：Unable to connect to database : Check the connection script。提示無法完成資料庫連接，原來我們還沒有完成PHPdig的資料庫配置。返回進入admin目錄找到install.php檔案，單擊運行，乍一看，全英文介面（說明一下，PHPdig目前所有版本均不支援中文介面），沒有關係，如果你有過漢化經驗不妨自己動手將其漢化，這裡提供一份我自己漢化的cn-language.php文檔的下載（請將其拷貝至locales目錄下）。另外你還需修改includes目錄下的config.php檔案（語言修改）和style.CSS檔案（字型修改和樣式修改）。

　進入install.php後系統要求我們輸入PHPdig系統管理使用者名和密碼，預設情況下均為admin，進入後出現如下介面（漢化後）：

（圖1）

　所需提供的資訊有：

　如果你是在本地測試，請輸入預設情況下的伺服器名稱localhost(localhost是Mappm-Server下的預設務伺服器名稱，也就是mysql的預設伺服器名稱，Mappm-Server內建mysql資料庫)資料庫伺服器連接埠預設為3126，可以不填，資料庫sock協議預設為空白，使用者名稱預設為root（Mappm-Server預設使用者名），密碼是你在安裝Mappm-Server時輸入的使用者密碼，PHPdig資料庫名稱預設為phpdig，可任意修改，同時，你可以對資料庫中的資料表加首碼，預設為空白。

　如果你要上傳到與Internet相連的web伺服器請向伺服器供應商索要mysql伺服器的名稱或者IP地址以及資料庫伺服器連接埠、sock協議、使用者名稱、密碼等，資料庫名稱以及資料表首碼的設定同上。

　至於右邊的四個選項按鈕，你可以視情況而定，初次使用（安裝）選擇預設的“建立資料庫”

　確認上述資訊無誤後單擊安裝按鈕，如果串連資料庫不成功會提示“不能串連資料庫”的錯誤資訊，如果資料庫連接成功則會直接跳入管理頁面如：

（圖2）

　3. 介面地區介紹

　地區1是一個文本輸入區，預設文字有三行，都是以http開頭，大家一看就知道在這裡輸入要spider的網站的網站地址（建議每次只spider一個網站）。

　地區2是spider選項，搜尋深度是指對這個網站spider到幾級目錄，每頁連結數是指標對某個網頁最多抓取多少個下面的連結網頁。預設情況下都為0，指的是對這個網站進行全站spider。

　地區3顯示資料庫狀態資訊，包括已經spider的網站、關鍵詞、索引以及正在spider的網站資訊等。

　地區4是一個下拉式清單方塊，羅列出已經spider的網站的網址，選中其中的一個網站，在地區5可以對其進行清除和更新操作。

　地區5不僅提供了對地區4中所選網站的清除和更新操作外，還提供了相關的統計資訊入口和對spider的控制等。

　4. 針對特定網站運行spider

　如果你對天極軟體頻道的內容高度興趣，你就可以做一個比google更專業的搜尋引擎來搜尋天極軟體的內容，你的這個搜尋引擎將比google更全面更深層次。下面我們以spider天極軟體頻道的內容為例介紹一下如何spider一個網站。

　1）在圖2的地區1中輸入http://soft.yesky.com，搜尋深度和每頁連結數都保持預設為0

　2）單擊spider按鈕，頁面跳轉到spider資訊頁面，程式開始自動spider網站http://soft.yesky.com的內容。

　注意：spider網站的過程非常緩慢，如果該網站內容太多，這個過程可能會延續幾小時到一天，但你不必擔心指令碼運行逾時，因為系統的timeout時間被設定為最長達48小時。在這個過程中，你也可以中斷spider程式的運行，並能重新啟動spider程式運行未spider完的網站。需要注意的是若在這個過程中你不小心關閉了spider運行頁面，但事實上系統並沒有停止spider，仍在消耗系統資源。你可以重新開啟spider頁面，點擊停止spider連結方可釋放系統資源。

（圖3）

　5. 利用PHPdig進行搜尋

　經過一段時間後，spider程式啟動並執行結果是將http://soft.yesky.com網站上的資訊抓取到伺服器資料庫中，主要是對方內容的title資訊、關鍵詞資訊和頁面地址資訊等，此時，你就可以通過訪問search.php進行搜尋了。

（圖4）

　你可以選擇搜尋結果顯示的條數，可以選擇模糊尋找還是精確尋找，另外你可以選擇針對某個網站的搜尋，預設情況下搜尋已經被spider的所有網站。

（圖5）

　是搜尋“QQ2006”的搜尋結果頁面。

　6. 存在的問題

　由於PHPdig的語言設定問題、系統的分詞問題以及MYSQL資料庫的字元處理問題等，PHPdig對漢語詞彙的搜尋還存在許多不確定因素，這些東西都有待我們進一步去解決和完善，歡迎廣大對此感興趣的朋友們到網頁陶吧-PHPdig主題社區進行探討。

