[全文检索]用PHP调用Lucene包来实现全文检索

/*转贴请保留以下信息*/
作者：[url=http://spaces.msn.com/members/newbdez33/]张杰
URL：http://spaces.msn.com/members/newbdez33/
http://www.phpboom.com/



由于工作需要，需要使用PHP实现对网站内大量数量进行全文检索，
而且目前最流行的全文检索的搜索引擎库就是Lucene了，
它是Apache Jakarta的一个子项目，并且提供了简单实用的API，
用这些API，就可以对任何基本文本的数据(包括数据库)进行全文检索。


因为PHP本身就支持调用外部Java类，所以先用Java写了一个类，
这个类通过调用Lucene的API，实现了两个方法： 

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

 其中createIndex是创建索引方法，
传入了两个参数分别是indexDir_path(索引文件的目录)，dataDir_path(被索引的文件目录)，返回被索引的文件列表字符串，
另一个是searchword，通过传入的关键字参数(ss)对索引进行检索，index_path就是索引文件的目录。返回所有检索到的文件。

 这里是源代码，很简单，大家可以参考一下：[url=http://newbdez33.googlepages.com/TxtFileIndexer.java]TxtFileIndexer.java

而PHP程序就调用这两个方法，实现对Lucene的调用，从而达到全文检索的目的。
PHP的调用方法如下： 
先创建一个我们写的TxtFileIndexer类的实例，

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

然后就按正常PHP类的调用方法的方式进行调用，首先创建索引：

    $data_path = "F:/test/php_lucene/htdocs/data/manual";  //定义被索引内容的目录
    $index_path = "F:/test/php_lucene/htdocs/data/search";  //定义生成的索引文件存放目录
    $s = $tf->createIndex($index_path,$data_path);  //调用Java类的方法
    print $s;  //打印返回的结果

这次再试试检索：

    $index_path = "F:/test/php_lucene/htdocs/data/search";  //定义生成的索引文件存放目录
    $s = $tf->searchword("here is keyword for search",$index_path);
    print $s;

另外要注意Java类的路径，可以在PHP里设置

    java_require("F:/test/php_lucene/htdocs/lib/");  //这是个例子，我的类和Lucene都放到这个目录下

这样就可以了，是不是很简单。

PHP源代码：[url=http://newbdez33.googlepages.com/test.php]test.php


接下来我把环境配置说一下，
首先需要有Java SDK，是必须的，我使用的是1.4.2版的，其它版本应该也没问题。
PHP5，试过PHP4，应该可以。

由于PHP5带的Java扩展没调通，并且以前用过调用Java效率很低，很慢，所以使用了 Php/Java Bridge 这个项目。

1.下载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

解包后把
JavaBridge\WEB-INF\cgi\java-x86-windows.dll
JavaBridge\WEB-INF\lib\JavaBridge.jar
复制到 c:\php\ext 目录下，并把
java-x86-windows.dll　改名为 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.重启Apache即可。

4.可以找一些文件进行索引
在test.php里可以修改索引文件和数据文件的路径。
TxtFileIndexer.java的37行限制了只索引html后缀的文件，有需要也可以修改。

根据目前的情况(JavaBridge支持Linux和Freebsd)，完全可以在
linux或freebsd/apache2/php4/lucene/JavaBridge
环境下运行。



本文章可能会随时更新，另外这里可以访问：
[url=http://newbdez33.googlepages.com/php_lucene]用PHP调用Lucene包来实现全文检索