PHP中通过 JavaBridge+Lucene实现全文搜索站内搜索
转自：http://blog.csdn.net/woijal520/article/details/7377378
LUCENE实现站内搜索
一、软件需求
- php-java-bridge_6.2.1_documentation.zip：来自于http://php-java-bridge.sourceforge.net。
- JavaBridge.jar：将上面的php-java-bridge_6.2.1_documentation.zip解压得到一个JavaBridge.war，将JavaBridge.war重命名为JavaBridge.jar，再次用WinRAR对JavaBridge.jar解压到JavaBridge目录，在JavaBridge\WEB-INF\LIB里面可以找到JavaBridge.jar。
- Lucene.jar：将上面的php-java-bridge_6.2.1_documentation.zip解压得到一个JavaBridge.war，将JavaBridge.war重命名为JavaBridge.jar，再次用WinRAR对JavaBridge.jar解压到JavaBridge目录，在JavaBridge\WEB-INF\LIB里面可以找到Lucene.jar。
- JDK1.1.7：JavaBridge是由Java语言实现的，所以必须安装JDK实现对jar文件执行提供支持。
- Eclipse，选装。一般来说，可以使用“javac *.java”命令来编译java文件，可是对于不熟悉JAVA的同学来说，CLASSPATH、JAVA_HOME环境变量配置不对就用不了javac命令，我就是这样的。在Eclipse中，新建一个“Java Project”编译前选中工程名字，右键点击选择“BuildPath..”->“Build configure…”（子菜单的最下面一个），在弹出的对话框里面选中“Add External jar..”，然后选中lucene.jar就行了。
- WampServer Version 1.7：（PHP Version 5.3.3，Apache 2.2.17）。
二、实现细则
2.1 安装WampServer
此步骤目的只在于建立一个WEB服务器，可以执行PHP脚本，可以其它方法替代。
2.2 安装JDK
安装JDK实现对jar文件执行提供支持。
2.3 运行JavaBridge
双击运行JavaBridge.jar，应该会弹出一个可以选择的对话框，如果没有弹出，是因为没有安装JDK或者文件关联错误，解决方法是安装JDK或者运行“start javaw -jar JavaBridge.jar”（内容保存到*.bat里面，而*.bat与JavaBridge.jar同一个目录）替代双击。弹出对话框后不用选择，直接点击“确定”即可。
2.4 测试JavaBridge
新建一个test.php（*.php全都保存到WEB服务器根目录里面例如C:\wamp\www）文件，内容如下：
<?php
require_once("java/Java.inc");
// get instance of Java class java.lang.System in PHP
$system = new Java('java.lang.System');
$s = new Java("java.lang.String", "php-java-bridge config...<br><br>");
echo $s;
// demonstrate property access
print 'Java version='.$system->getProperty('java.version').' <br>';
print 'Java vendor=' .$system->getProperty('java.vendor').' <br>';
print 'OS='.$system->getProperty('os.name').' '.
$system->getProperty('os.version').' on '.
$system->getProperty('os.arch').' <br>';
// java.util.Date example
$formatter = new Java('java.text.SimpleDateFormat',
"EEEE, MMMM dd, yyyy 'at' h:mm:ss a zzzz");
print $formatter->format(new Java('java.util.Date'));
?>
Java.inc应该放到java目录下，而java应该与test.php同目录，解压JavaBridge.jar可以在JavaBridge\META-INF里面找到java目录，完全拷贝java目录与test.php同目录。执行test.php得到如下输出则表现正确：
php-java-bridge config...
Java version=1.6.0_10
Java vendor=Sun Microsystems Inc.
OS=Windows Vista 6.0 on x86
星期日, 十一月 23, 2008 at 4:31:49 下午 中国标准时间
2.5 在PHP中调用自己创建的JAVA 类
得到上面输出说明JavaBridge安装成功了，PHP可能调用JAVA内部的类，下面使用Java编写自己的类，而PHP则调用自己写的Java类。
为了尽排除错误，先建立一个EchoHello.java进行测试，代码如下：
public class EchoHello
{
public String test()
{
return "conguratulation php can call methods from java";
}
}
在Eclipse中执行一次EchoHello.java，会在工程目录下的BIN目录下生成EchoHello.class文件，将EchoHello.class拷贝到C:\Program Files\Java\jre7\classes目录下，因为版本号的不同，jre7文件夹名字可能不同。安装JDK时候默认没有C:\Program Files\Java\jre7\classes，需要手动建立。
测试自己的JAVA类，修改test.php代码如下：
<?php
include_once("java/java.inc");
$eh = new Java("EchoHello");
echo $eh->test();
?>
需要重新启动JavaBridge.jar再运行test.pp方法是：到任务管理器里面结束java.exe和javaw.exe，重新双击运行javaBridge.jar，不用选择下列列表，直接“确定”即可。
运行test.php得到"conguratulation php can call methods from java"的输出可以进行下一步，否则重复上面的步骤。
2.6 在Java中使用lucene.jar
新建文件TxtFileIndexer.java，代码如下：
import java.io.File;
import java.io.FileReader;
import java.io.Reader;
import java.util.Date;
import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.IndexWriter;
/**
* This class demonstrate the process of creating index with Lucene
* for text files
*/
public class TxtFileIndexer
{
public static void main(String[] args) throws Exception
{
//indexDir is the directory that hosts Lucene's index files
File indexDir = new File("E:\\luceneIndex");
//dataDir is the directory that hosts the text files that to be indexed
File dataDir = new File("E:\\luceneData");
Analyzer luceneAnalyzer = new StandardAnalyzer();
File[] dataFiles = dataDir.listFiles();
System.out.println("123"+dataDir.toString());
System.out.println(dataFiles.length);
IndexWriter indexWriter = new IndexWriter(indexDir,luceneAnalyzer,true);
long startTime = new Date().getTime();
for(int i = 0; i < dataFiles.length; i++)
{
if(dataFiles[i].isFile() && dataFiles[i].getName().endsWith(".txt")){
System.out.println("Indexing file " + dataFiles[i].getCanonicalPath());
Document document = new Document();
Reader txtReader = new FileReader(dataFiles[i]);
document.add(new Field("contents", txtReader));
document.add(new Field("path",dataFiles[i].getCanonicalPath(),Field.Store.YES,Field.Index.UN_TOKENIZED));
indexWriter.addDocument(document);
}
}
indexWriter.optimize();
indexWriter.close();
long endTime = new Date().getTime();
System.out.println("It takes " + (endTime - startTime)
+ " milliseconds to create index for the files in directory "
+ dataDir.getPath());
}
}
编译时候可能会提示找不到lucene包，解决方法是选中工程名字，右键点击选择“BuildPath..”->“Build configure…”（子菜单的最下面一个），在弹出的对话框里面选中“Add External jar..”，然后选中lucene.jar就行了。并且
// document.add(Field.Text("path",dataFiles [i].getCanonicalPath()));
// document.add(Field.Text ("contents",txtReader));
并且上面两行有删除线，因为这两个方法是已经过时了的。
使用下面的命令进行编译（替代Eclipse的功能）应该也行，没有试过！并且提示…方法已经过期等（等效于Eclipse里面文字上面是删除线的代码）。
Javac –classpath lucene的路径\lucene.jar TxtFileIndexer.java
测试Java里面使用lucene.jar
在D盘下新建目录luceneData和luceneIndex，在luceneData里面创建一些文本文件（文件名必须以.html结尾因为TxtFileIndexer.java对文件进行了过滤）。如果没有错误的话，Eclipse的Console窗口应该输出一些信息，并且luceneIndex目录下会生成新索引文件。输入下面信息表示成功（X必须大于1）：
It takes X milliseconds to create index for the files in directory…
!上面内容调试成功前不要进行下一步!
2.7 PHP中使用Lucene.jar
修改TxtFileIndexer.java，内容如下：
import java.io.File;
import java.io.FileReader;
import java.io.Reader;
import java.util.Date;
import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.Term;
import org.apache.lucene.search.Hits;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.TermQuery;
import org.apache.lucene.store.FSDirectory;
public class TxtFileIndexer
{
public String test()
{
return "test is ok hohoho";
}
public String createIndex(String indexDir_path,String dataDir_path) throws Exception
{
String result = "";
File indexDir = new File(indexDir_path);
File dataDir = new File (dataDir_path);
Analyzer luceneAnalyzer = new StandardAnalyzer();
File[] dataFiles = dataDir.listFiles();
IndexWriter indexWriter = new IndexWriter(indexDir,luceneAnalyzer,true);
long startTime = new Date().getTime ();
for(int i=0; i < dataFiles.length; i++)
{
if(dataFiles [i].isFile() && dataFiles[i].getName().endsWith(".html"))
{
result += "Indexing file" + dataFiles[i].getCanonicalPath()+"<br />";
Document document = new Document();
Reader txtReader = new FileReader(dataFiles[i]);
// 旧版本的javaBridge里面可以使用被注释的代码
// 而新版本（php-java-bridge_6.2.1_documentation.zip）
// 中必须使用没有被注释的代码。
// document.add(Field.Text("path",dataFiles [i].getCanonicalPath()));
// document.add(Field.Text ("contents",txtReader));
document.add(new Field("contents", txtReader));
document.add(new Field("path",dataFiles[i].getCanonicalPath(),
Field.Store.YES,Field.Index.UN_TOKENIZED));
indexWriter.addDocument(document);
}
}
indexWriter.optimize();
indexWriter.close();
long endTime = new Date().getTime();
result += "It takes"+(endTime- startTime)
+ " milliseconds to create index for the files in directory "
+ dataDir.getPath();
return result;
}
public String searchword(String ss,String index_path) throws Exception
{
String queryStr = ss;
String result = "Result:<br />";
//This is the directory that hosts the Lucene index
File indexDir = new File (index_path);
FSDirectory directory = FSDirectory.getDirectory (indexDir,false);
IndexSearcher searcher = new IndexSearcher(directory);
if(!indexDir.exists())
{
result = "The Lucene index is not exist";
return result;
}
Term term = new Term ("contents",queryStr.toLowerCase());
TermQuery luceneQuery = new TermQuery (term);
Hits hits = searcher.search(luceneQuery);
for(int i = 0; i < hits.length(); i++)
{
Document document = hits.doc(i);
result += "<br /><a href='getfile.php?w="+ss+"&f="
+document.get("path") +"'>File: " + document.get("path")+"</a>n";
}
return result;
}
}
编译修改过的TxtFileIndexer.java，将生成的TxtFileIndexer.class拷贝到C:\Program Files\Java\jre7\classes下面，在这个目录下的*.class可以被PHP引用到。建立Create.php对上面的TxtFileIndexer.class进行测试，代码如下：
<?php
include_once("java/java.inc");
$eh = new Java("EchoHello");
echo $eh->test();
error_reporting(0);
$tf = new Java('TxtFileIndexer');
print"TestLucene.TxtFileIndexer->test()<br/>".$s;
echo"<hr/>";
$data_path = "C:/wamp/www/testBridge/luceneData";
$index_path = "C:/wamp/www/testBridge/luceneIndex";
$s = $tf->createIndex($index_path,$data_path);
echo $s;
?>
得到下面的输出表示正常，如果没有什么输出时，查看JavaBridge.log（跟JavaBridge.jar同一个目录），其中可能会发现类似找不到org.apache.lucene.analysis.Analyzer类的异常，解决方法是将lucene.jar拷贝到C:\Program Files\Java\jre7\classes，并解压lucene.jar到lucene，将解压后lucene目录下的org整个剪切到C:\Program Files\Java\jre7\classes中（最后的剪切步骤不要可能也行，没有测试过）。
asdfasdfasdfsdfasdfasdfTestLucene.TxtFileIndexer->test()
Indexing fileC:\wamp\www\testBridge\luceneData\一.html
Indexing fileC:\wamp\www\testBridge\luceneData\三.html
Indexing fileC:\wamp\www\testBridge\luceneData\二.html
It takes1579 milliseconds to create index for the files in
directory C:\wamp\www\testBridge\luceneData
2.8 在PHP中测试lucene.jar
新建Search.php与Create.php同一个目录，代码如下：
<?php
include_once("java/java.inc");
error_reporting(0);
$tf=new Java('TxtFileIndexer');
print"TestLucene.TxtFileIndexer->test()<br/>".$s;
echo"<hr/>";
$data_path = "C:\\wamp\\www\\testBridge\\luceneData\\";
$index_path = "C:\\wamp\\www\\testBridge\\luceneIndex\\";
if(isset($_GET["w"]))
{
echo $_GET["w"]."<br>";
$s=$tf->searchword($_GET["w"] , $index_path);
print $s;
}
else
{
echo"<form method=get><input type='text' name='w' />
<input type='submit' value='search' /><br/>";
}
?>
首次执行Search.php时，会要求输入关键字进行搜索，输入后点击后面的Search按钮，如果匹配发生则将结果输出到浏览器。
三 小结
至此，JavaBridge的使用，通过JavaBridge调用Java内部的类，通过JavaBridge调用自己定义的类，在Java里面使用Lucene.jar，在PHP里面使用Lucene.jar都介绍完毕，知道原理后可以根据自己的需要扩展TxtFileIndexer.java、Create.php和Search.php实现更加复杂的功能了。完!
可惜目前只实现了对英文的搜索，不可以搜索中文，应该改进并将改进内容添加到下面。