用PHP調用Lucene包回實現全文檢索索引

用PHP調用Lucene包來實現全文檢索索引
[全文檢索索引]用PHP調用Lucene包來實現全文檢索索引

--------------------------------------------

http://www.chinaunix.net 作者:z33 發表於：2006-06-24 17:43:53
【發表評論】【查看原文】【Php討論區】【關閉】

/*轉貼請保留以下資訊*/
作者：[url=http://spaces.msn.com/members/newbdez33/]張傑
URL：http://spaces.msn.com/members/newbdez33/
http://www.phpboom.com/



由於工作需要，需要使用PHP實現對網站內大量數量進行全文檢索索引，
而且目前最流行的全文檢索索引的搜尋引擎庫就是Lucene了，
它是Apache Jakarta的一個子項目，並且提供了簡單實用的API，
用這些API，就可以對任何基本文本的資料(包括資料庫)進行全文檢索索引。


因為PHP本身就支援調用外部Java類，所以先用Java寫了一個類，
這個類通過調用Lucene的API，實現了兩個方法：

* public String createIndex(String indexDir_path,String dataDir_path)
* public String searchword(String ss,String index_path)

其中createIndex是建立索引方法，
傳入了兩個參數分別是indexDir_path(索引檔案的目錄)，dataDir_path(被索引的檔案目錄)，返回被索引的檔案清單字串，
另一個是searchword，通過傳入的關鍵字參數(ss)對索引進行檢索，index_path就是索引檔案的目錄。返回所有檢索到的檔案。

這裡是原始碼，很簡單，大家可以參考一下：[url=http://newbdez33.googlepages.com/TxtFileIndexer.java]TxtFileIndexer.java

而PHP程式就調用這兩個方法，實現對Lucene的調用，從而達到全文檢索索引的目的。
PHP的調用方法如下：
先建立一個我們寫的TxtFileIndexer類的執行個體，

$tf = new Java('TestLucene.TxtFileIndexer');

然後就按正常PHP類的調用方法的方式進行調用，首先建立索引：

$data_path = "F:/test/php_lucene/htdocs/data/manual"; //定義被索引內容的目錄
$index_path = "F:/test/php_lucene/htdocs/data/search"; //定義產生的索引檔案存放目錄
$s = $tf->createIndex($index_path,$data_path); //調用Java類的方法
print $s; //列印返回的結果

這次再試試檢索：

$index_path = "F:/test/php_lucene/htdocs/data/search"; //定義產生的索引檔案存放目錄
$s = $tf->searchword("here is keyword for search",$index_path);
print $s;

另外要注意Java類的路徑，可以在PHP裡設定

java_require("F:/test/php_lucene/htdocs/lib/"); //這是個例子，我的類和Lucene都放到這個目錄下

這樣就可以了，是不是很簡單。

PHP原始碼：[url=http://newbdez33.googlepages.com/test.php]test.php


接下來我把環境配置說一下，
首先需要有Java SDK，是必須的，我使用的是1.4.2版的，其它版本應該也沒問題。
PHP5，試過PHP4，應該可以。

由於PHP5帶的Java擴充沒調通，並且以前用過調用Java效率很低，很慢，所以使用了 Php/Java Bridge 這個項目。

1.下載JavaBridge
URL:http://sourceforge.net/projects/php-java-bridge/
目前版本是
[url=http://prdownloads.sourceforge.net/php-java-bridge/php-java-bridge_3.0.8_j2ee.zip?download]php-java-bridge_3.0.8_j2ee.zip

解包後把
JavaBridge\WEB-INF\cgi\java-x86-windows.dll
JavaBridge\WEB-INF\lib\JavaBridge.jar
複製到 c:\php\ext 目錄下，並把
java-x86-windows.dll　改名為 php_java.dll


2.修改php.ini(例)
extension=php_java.dll

[Java]
java.class.path = "C:\php\ext\JavaBridge.jar;F:\test\php_lucene\htdocs"
java.java_home = "C:\j2sdk1.4.2_10"
java.library.path = "c:\php\ext;F:\test\php_lucene\htdocs"

3.重啟Apache即可。

4.可以找一些檔案進行索引
在test.php裡可以修改索引檔案和資料檔案的路徑。
TxtFileIndexer.java的37行限制了只索引html尾碼的檔案，有需要也可以修改。

根據目前的情況(JavaBridge支援Linux和Freebsd)，完全可以在
linux或freebsd/apache2/php4/lucene/JavaBridge
環境下運行。



本文章可能會隨時更新，另外這裡可以訪問：
[url=http://newbdez33.googlepages.com/php_lucene]用PHP調用Lucene包來實現全文檢索索引

