[转]FTP搜索引擎的设计与实现

FTP搜索引擎的设计与实现

张运凯 刘宏忠 郭宏刚

摘要：FTP是因特网最主要的服务之一，FTP搜索引擎为人们使用FTP服务提供了很大的方便。本文分析和设计了一个基于WEB的FTP搜索引擎，并在PHP+Mysql环境下给出了编程实现方法。 　　关键词：FTP；搜索引擎；PHP；Mysql; 　　引言 　　FTP是因特网最主要的服务之一，在FTP服务器上保存有大量的各种各样的共享软件、技术资料和多媒体数据等文件。因为每个FTP服务器都有若干个目录，其目录和文件结构比较复杂，要在FTP服务器上找到自己需要的文件不是一件容易的事情，要在多个FTP服务器上查找文件更是困难。基于WWW的FTP搜索引擎可以很好的解决上述问题。目前，国内外有很多FTP搜索引擎，国内较著名的有北大天网、百合谷搜索和FTP星空搜索等。为了更好的为我校校园用户和省主节点用户提供服务，我们设计了自己的FTP服务器搜索引擎。 　　1．FTP搜索引擎的结构 　　FTP搜索引擎由数据采集、数据查询和站点维护等模块组成。实现一个FTP搜索引擎，首先要收集各个FTP站点上的文件信息，并把这些信息存储到数据库中；然后给用户提供一个查询界面，以收取用户要查询的信息，把这些查询信息转化为数据库语言，并进行数据库查询，把查询结果以友好的界面显示给用户；搜索引擎建立好以后，为了使数据库数据与FTP站点的数据保持一致，需要更新FTP站点的文件信息，添加新的FTP站点等管理和维护。其结构如下图所示。 　　我们在设计FTP搜索引擎时，采用Linux操作系统Redhat8.0，WWW服务器采用Apache，数据库采用MySQL，编程语言采用PHP。 　　2． 数据库结构和设置 　　2.1文件信息分析 　　在FTP站点上，根目录下的目录中又有许多文件夹和文件，每一个文件的信息包括文件名，文件地址，文件大小，日期，类型等。对应这些文件信息，在文件数据库中设置相应的字段，用来纪录这些信息，用字段name存储文件名，一般不超过255个字符，设置为varchar类型，长度为255，host表示FTP网站的名称，说明是哪一个网站上的文件，address字段准确给出文件的URL地址，由于有些文件URL比较长，把address字段类型设置为longtext，有了这些字段，就可以在网络中找到此文件的位置。另外，还需要纪录下文件的大小，时间，日期，以供用户分辨选择他们所要的文件。最后，查询时对文件名字段的访问比较频繁，把它设置成Index字段，这样可以提高查询速度。 　　2.2 FTP站点信息分析 　　一个FTP站点通常包含服务器名称，用户名，和密码。对应FTP站点的信息，数据字段设置如下：设置站点名、站点IP地址、用户名、用户密码等几个字段，站点名字段类型为vchar,长度为60，IP地址vchar类型，长度为50,用户名vchar类型，长度50，密码设置为password类型，长度为60。另外，FTP站点名也是使用较为频繁的数据，把它设置为Index字段。 　　2.3数据库结构设置 　　基于以上分析，设置数据库如下：在file_address数据库中有两个数据表，一个为fileaddress数据表，另一个为ftpserver数据表，其中fileaddress数据表用于记录ftp站点的文件信息，ftpserver数据表用于记录各个ftp站点的信息。 　　3. 数据采集 　　要构建搜索引擎，首先要收集各个FTP站点的文件信息，记录到数据库，用于提供搜索。因特网中有许多的FTP站点，要收集某个FTP站点的信息时，从数据表中读出站点信息，然后登陆到此站点，多数FTP服务器都开辟有一个公共访问区，称为"匿名FTP"，对公众提供免费的文件信息服务，一般用户名为Anonymous，密码为一个Email地址。数据采集程序用此用户名和密码登陆站点，然后对站点所有目录进行采集，读取每个目录下的文件信息，在收到文件信息之后，对其进行分析，将文件信息存储到相应的数据表字段中。完成此站点的数据采集之后，再读取另外一个FTP站点的信息，进行文件信息采集。如此循环，采集所有已知FTP站点的文件信息。 　　首先连接到此ftp站点，并用相应的用户名和密码登陆，此时，当前目录一般为根目录，有的并不是，所以要先取得当前目录，然后从此目录开始扫描此站点的文件信息，如果此目录为空（只有两个文件：.和..），则此站点没有文件，退出登陆，如果不为空，则判断每个文件是否是目录，如果是，则改变当前目录到此子目录下，扫描此子目录并判断,如果还有子目录，则继续转到其下扫描。下面是采集数据的程序。 　　get_ftp_info() 　{ 　　　　ftp_connect() /*连接FTP站点; 　　　　ftp_login() /*登陆FTP站点; 　　　　ftp_pwd() /*取得当前目录; 　　　　get_path_info() /*调用get_path_info()处理此目录; 　　　　ftp_quit() /*退出登陆; 　} 　　get_path_info()是采集程序最主要函数，该函数采用递归调用的方法依次处理各个目录和文件，把目录和文件信息写入数据库。下面是该函数的实现代码。 　　get_path_info() 　{ 　　　　ftp_rawlist() /*读取目录信息; 　　　　if(dir_is_empty) /*如果目录为空则返回 　　　　retrun;: 　　　　For() 　{ 　　　　get_path_info() /*递归调用函数get_path_info(), 　　} 　} 　//--------------------------------------------------- 　function get_path_info($ftpserver,$ftplink,$ftp_dir,$sqlmasterlink){ 　mysql_query("use fileaddress",$sqlmasterlink); 　$n_list=ftp_rawlist($ftplink,$ftp_dir); //$n_list can not be setted as a global var. 　if((count($n_list))<=2) return; //at least: one is .. another is . 　for($i=0;$i<count($n_list);$i++){ 　$filetype=substr($n_list[$i],0,1); 　$filename=substr($n_list[$i],55); 　$filesize=substr($n_list[$i],29,41); 　switch($filetype){ 　case "-": 　　　{ 　　　$temp="ftp://".$ftpserver.$ftp_dir."/".$filename; 　　　//$temp=$ftp_dir."/".$filename; 　　　$filesize=(integer)($filesize/1024); 　　　$date=ftp_mdtm($ftplink,$filename); 　　　$date=(date("Y")."-".date("m")."-".date("d")); 　　　$time=date("H:i:s"); 　　　$pieces=explode(".",$filename); 　　　$extend=$pieces[count($pieces)-1]; 　　　$query="INSERT INTO fileaddress VALUES ( '$filename','$ftpserver','$temp', '$date','$time','$filesize','$extend');"; 　　　mysql_query($query,$sqlmasterlink); 　　　echo "<font color='FF3399' size=2>".$filename;echo "</font><br>\n"; 　　　break; 　　　} 　case "d": 　　　{ 　　　if(($filename!="..")&&($filename!=".")){ 　　　ftp_chdir($ftplink,$filename); 　　　$ftp_dir=ftp_pwd($ftplink); 　get_path_info($ftpserver,$ftplink,$ftp_dir,$sqlmasterlink); 　　　　　ftp_chdir($ftplink,".."); 　　　　} 　　　　　break; 　　　} 　　　} //end of switch 　} //end of for 　} //the end of functon get_path_info() 　//------------------------------------------------ 　　4. 数据查询 　　数据查询主要包括查询页面的设计、查询程序的编写和查询结果的处理及部分。查询页面由Web服务器提供查询界面，用于收集所要查找的文件信息，用户浏览到此Web页面，填写并提交表单，表单中包含有用户所要查找文件的信息，如文件名，大小，等，表单提交给Web服务器之后，由查询程序进行分析，生成查询语句，并提交给数据库服务器进行查询，查询结果由查询程序进行分析处理，查询结果以超链接形式生成Web页面，提供给用户浏览。 　　用户输入的信息转化为数据库查询语言，再进行查询。可以用Mysql数据库查询语言中给出的正则表达式来表示。其常用表示方法如下： 　　a.特殊字符"^"： 用来匹配以指定字符串开头的字符串。例如："^hello" ：这个模式与字符串"hello，PHP world!"匹配，但是与"Say hello to you"不匹配。 　　b.特殊字符"$"： 用来匹配以指定字符串结尾的字符串。例如： "you$" ：这个模式与"How are you"匹配，与"your"不匹配。 　　c.当特殊字符"^"和"$"同时使用时，表示精确匹配。例如： "^hello$" ：这个模式只匹配字符串"hello"。 　　在查找文件时，设置表示用户输入的文件名的变量为$filename，那么，可以生成如下的查询语句进行查询： 　　$sql="select * from $dbtablename where name REGEXP \"[^\\\\]*(".$qfilename.")+[^\\\\]*"."\"".";"; 　　系统包括两种检索界面，即文件名检索和高级检索。下面是高级检索的界面和功能。 　　 在采集到数据库的文件信息中，包括了文件名、大小、日期和文件的网络地址。查询结果可由数据库中的网落地址可生成文件的URL信息，表示文件的下载地址。代码结构为： 　　<a href=”文件的网络地址”>文件名</a>文件大小和日期 　　<a href=”文件的网络地址”>网络地址</a> 　　下图为FTP搜索引擎的输出结果： 　　5. 管理与维护 　　搜索引擎建立好以后，为了使数据库数据与FTP站点的数据保持一致，需要对站点进行管理和维护。在我们的设计中，管理和维护功能包括增加FTP站点、显示及删除FTP站点、更改FTP站点等功能。为了实现站点文件信息自动更新的功能，我们把更新FTP站点文件信息的程序（addallinfo.php）设置成系统计划任务，例如可以设置成每天运行一次。 　　6．结束语 　　我们设计的FTP搜索引擎已经在网站上使用，为用户提供了很好的服务。FTP搜索引擎的技术发展很快，在查询方式、检索结果处理和分类检索等方面有了很大的改进。我们将在这几方面继续完善我们的系统。 　　参考文献： 　　1. 龙浩等，《PHP语言进阶和高级应用》.北京：清华大学出版社出版， 年。 　　2．钟伟财，《精通PHP4.0与MySQL架构Web数据库实务》。北京：中国青年出版社出版， 　　3．彭武兴，《PHP 4完全中文手册》 　　4．晏子译，Mysql中文参考手册 　　5．Stig S?ther Bakken ，《PHP Manual》，2003 　　7．MySQL Reference Manual for version 4.0.5， http://www.mysql.com/documentation/ 　　8．MySQL Reference Manual，http://www.mysql.com/doc/en/index.html

来源：http://www.eol.cn/20031023/3093295.shtml