CoreSeek可以說是一個簡單的搜索引擎，但是它并沒有提供完整搜索引擎中重要的爬蟲功能。CoreSeek提供中文全文索引/搜索，它基于Sphinx研發(fā)并獨(dú)立發(fā)布，在中文搜索和信息處理領(lǐng)域有不錯的表現(xiàn)。
coreseek主要有兩個大的內(nèi)容，1.中文分詞LibMMSeg，2.全文索引/搜索Sphinx
ubuntu 下的主要安裝和使用如下：
安裝ubuntu下需要的模塊：
coreseek安裝需要預(yù)裝的軟件：
apt-get install make gcc g++ automake libtool mysql-client libmysqlclient15-dev libxml2-dev libexpat1-dev
中文分詞 LibMMSeg 安裝：
##安裝coreseek開發(fā)的mmseg，為coreseek提供中文分詞功能
$ cd mmseg-3.2.14
##ubuntu環(huán)境下，需要使用ACLOCAL_FLAGS="-I /usr/share/aclocal" ./bootstrap
$ ./bootstrap
$ ./configure --prefix=/usr/local/mmseg3
$ make && make install
##如果提示libtool: unrecognized option `--tag=CC' ，請查看libtool問題解決方案
##安裝完成后，mmseg使用的詞典和配置文件，將自動安裝到/usr/local/mmseg3/etc中
##中文分詞測試，如果顯示不正常，請檢查當(dāng)前環(huán)境下的locale和UTF-8中文字符顯示設(shè)置
$ /usr/local/mmseg3/bin/mmseg -d /usr/local/mmseg3/etc src/t1.txt
中文/x 分/x 詞/x 測試/x
中國人/x 上海市/x
Word Splite took: 1 ms.
##安裝coreseek：
$ cd csft-3.2.14
##執(zhí)行configure，進(jìn)行編譯配置：
$ sh buildconf.sh
$ ./configure --prefix=/usr/local/coreseek --without-python --without-unixodbc --with-mmseg --with-mmseg-includes=/usr/local/mmseg3/include/mmseg/ --with-mmseg-libs=/usr/local/mmseg3/lib/ --without-mysql
$ make && make install
支持mysql
$ cd csft-3.2.14
$ make clean
$ ./configure --prefix=/usr/local/coreseek --without-unixodbc --with-mmseg --with-mmseg-includes=/usr/local/mmseg3/include/mmseg/ --with-mmseg-libs=/usr/local/mmseg3/lib/ --with-mysql
##以上configure參數(shù)請正確拷貝，不要遺漏或者隨意修改
$ make && make install
現(xiàn)在兩部分已經(jīng)安裝成功了，接下來測試一下是否安裝成功。
##三、coreseek中文全文檢索測試
$ cd testpack
$ /usr/local/coreseek/bin/indexer -c etc/csft.conf
##以下為正常情況下的提示信息：
Coreseek Fulltext 3.2 [ Sphinx 0.9.9-release (r2117)]
Copyright (c) 2007-2010,
Beijing Choice Software Technologies Inc (http://www.coreseek.com)
using config file 'etc/csft.conf'...
total 0 reads, 0.000 sec, 0.0 kb/call avg, 0.0 msec/call avg
total 0 writes, 0.000 sec, 0.0 kb/call avg, 0.0 msec/call avg
##
##csft-4.0版顯示：ERROR: nothing to do.
##
$ /usr/local/coreseek/bin/indexer -c etc/csft.conf --all
##以下為正常索引全部數(shù)據(jù)時的提示信息：（csft-4.0版類似）
Coreseek Fulltext 3.2 [ Sphinx 0.9.9-release (r2117)]
Copyright (c) 2007-2010,
Beijing Choice Software Technologies Inc (http://www.coreseek.com)
using config file 'etc/csft.conf'...
indexing index 'xml'...
collected 3 docs, 0.0 MB
sorted 0.0 Mhits, 100.0% done
total 3 docs, 7585 bytes
total 0.075 sec, 101043 bytes/sec, 39.96 docs/sec
total 2 reads, 0.000 sec, 5.6 kb/call avg, 0.0 msec/call avg
total 7 writes, 0.000 sec, 3.9 kb/call avg, 0.0 msec/call avg
$ /usr/local/coreseek/bin/indexer -c etc/csft.conf xml
##以下為正常索引指定數(shù)據(jù)時的提示信息：（csft-4.0版類似）
Coreseek Fulltext 3.2 [ Sphinx 0.9.9-release (r2117)]
Copyright (c) 2007-2010,
Beijing Choice Software Technologies Inc (http://www.coreseek.com)
using config file 'etc/csft.conf'...
indexing index 'xml'...
collected 3 docs, 0.0 MB
sorted 0.0 Mhits, 100.0% done
total 3 docs, 7585 bytes
total 0.069 sec, 109614 bytes/sec, 43.35 docs/sec
total 2 reads, 0.000 sec, 5.6 kb/call avg, 0.0 msec/call avg
total 7 writes, 0.000 sec, 3.9 kb/call avg, 0.0 msec/call avg
$ /usr/local/coreseek/bin/search -c etc/csft.conf
##以下為正常測試搜索時的提示信息：（csft-4.0版類似）
Coreseek Fulltext 3.2 [ Sphinx 0.9.9-release (r2117)]
Copyright (c) 2007-2010,
Beijing Choice Software Technologies Inc (http://www.coreseek.com)
using config file 'etc/csft.conf'...
index 'xml': query '': returned 3 matches of 3 total in 0.093 sec
displaying matches:
1. document=1, weight=1, published=Thu Apr 1 22:20:07 2010, author_id=1
2. document=2, weight=1, published=Thu Apr 1 23:25:48 2010, author_id=1
3. document=3, weight=1, published=Thu Apr 1 12:01:00 2010, author_id=2
words:
$ /usr/local/coreseek/bin/search -c etc/csft.conf -a Twittter和Opera都提供了搜索服務(wù)
##以下為正常測試搜索關(guān)鍵詞時的提示信息：（csft-4.0版類似）
Coreseek Fulltext 3.2 [ Sphinx 0.9.9-release (r2117)]
Copyright (c) 2007-2010,
Beijing Choice Software Technologies Inc (http://www.coreseek.com)
using config file 'etc/csft.conf'...
index 'xml': query 'Twittter和Opera都提供了搜索服務(wù) ': returned 3 matches of 3 total in 0.038 sec
displaying matches:
1. document=3, weight=24, published=Thu Apr 1 12:01:00 2010, author_id=2
2. document=1, weight=4, published=Thu Apr 1 22:20:07 2010, author_id=1
3. document=2, weight=3, published=Thu Apr 1 23:25:48 2010, author_id=1
words:
1. 'twittter': 1 documents, 3 hits
2. '和': 3 documents, 15 hits
3. 'opera': 1 documents, 25 hits
4. '都': 2 documents, 4 hits
5. '提供': 0 documents, 0 hits
6. '了': 3 documents, 18 hits
7. '搜索': 2 documents, 5 hits
8. '服務(wù)': 1 documents, 1 hits
$ /usr/local/coreseek/bin/searchd -c etc/csft.conf
##以下為正常開啟搜索服務(wù)時的提示信息：（csft-4.0版類似）
Coreseek Fulltext 3.2 [ Sphinx 0.9.9-release (r2117)]
Copyright (c) 2007-2010,
Beijing Choice Software Technologies Inc (http://www.coreseek.com)
using config file 'etc/csft.conf'...
listening on all interfaces, port=9312
##如要停止搜索服務(wù)，請使用/usr/local/coreseek/bin/searchd -c etc/csft.conf --stop
##如要已啟動服務(wù)，要更新索引，請使用/usr/local/coreseek/bin/indexer -c etc/csft.conf --all --rotate
##然后，請參考csft-3.2.14下api目錄中的相關(guān)文件，使用PHP、Python、Ruby、Java來測試搜索服務(wù)；也可以前往< ahref="/products-install/step_by_step/">搜索服務(wù)建立三步曲，查看第三步使用PHP測試。
##四、繼續(xù)
##通過以上步驟，coreseek已經(jīng)安裝測試完成，可以提供正常的xml數(shù)據(jù)源索引以及提供對應(yīng)的搜索服務(wù)了
##下一步工作，請查看手冊，準(zhǔn)備好mysql數(shù)據(jù)信息，以及進(jìn)行mysql數(shù)據(jù)源的測試，并在您的應(yīng)用中調(diào)用搜索服務(wù)；mysql數(shù)據(jù)源的配置可參考testpack/etc/csft_mysql.conf文件
這里要說明一下，coreseek支持兩種格式的搜索，可以搜索xml和mysql，上面測試的是使用xml。
coreseek使用.csft來設(shè)置是那種搜索方式和搜索的一些配置信息，如mysql的數(shù)據(jù)庫和地址等。
/usr/local/coreseek/binindexer -c etc/csft.conf --all
是先為搜索引擎建立起索引得過程。
/usr/local/coreseek/bin/search -c etc/csft.conf -a Twittter和Opera都提供了搜索服務(wù)
則是在文檔中搜索
Twittter和Opera都提供了搜索服務(wù)
的內(nèi)容。
posted on 2011-05-23 13:21
漂漂 閱讀(1878)
評論(0) 編輯 收藏 引用 所屬分類:
ubuntu 編程