pscws4.class.php的簡單介紹

本文目錄一覽：

• 1、php中文分詞 怎麼獲得評價關鍵詞
• 2、coreseek3.2 php 怎樣更新索引
• 3、XDB::Open(dict.xdb) failed這個怎麼解決啊

php中文分詞 怎麼獲得評價關鍵詞

代碼如下:

?php

header(“Content-Type:text/html; charset=utf-8”);

define(‘APP_ROOT’, str_replace(‘\\’, ‘/’, dirname(__FILE__)));

$test = ‘這裡是一段中文測試代碼!’;

function get_tags_arr($title)

{

require(APP_ROOT.’/pscws4.class.php’);

$pscws = new PSCWS4();

$pscws-set_dict(APP_ROOT.’/scws/dict.utf8.xdb’);

$pscws-set_rule(APP_ROOT.’/scws/rules.utf8.ini’);

$pscws-set_ignore(true);

$pscws-send_text($title);

$words = $pscws-get_tops(5);

$tags = array();

foreach ($words as $val) {

$tags[] = $val[‘word’];

}

$pscws-close();

return $tags;

}

print_r(get_tags_arr($test));

//============================================================

function get_keywords_str($content){

require(APP_ROOT.’/phpanalysis.class.php’);

PhpAnalysis::$loadInit = false;

$pa = new PhpAnalysis(‘utf-8’, ‘utf-8’, false);

$pa-LoadDict();

$pa-SetSource($content);

$pa-StartAnalysis( false );

$tags = $pa-GetFinallyResult();

return $tags;

}

print(get_keywords_str($test));

coreseek3.2 php 怎樣更新索引

php是無法更新 coreseek  的索引的，需要使用coreseek的語法，配合定時任務來自動更新索引。

這個寫起來很麻煩，我們的系統正好用了 coreseek ，說一下我的思路吧。

1、首先建立一個  search 表，這個表用來存你要進行搜索的、經過分詞的數據，分詞系統你們自己選，我使用的是php的pscws4中文分詞。

DROP TABLE IF EXISTS `search`;

CREATE TABLE `search` (

  `searchid` int(11) NOT NULL AUTO_INCREMENT,

  `title` varchar(255) NOT NULL,

  `content` text NOT NULL,

  `add_time` int(11) NOT NULL,

  PRIMARY KEY (`searchid`)

) ENGINE=MyISAM AUTO_INCREMENT=15209 DEFAULT CHARSET=utf8;

2、還需要一個 索引計數表 search_counter，這個表用來存放每次索引更新後的最大一個ID，下次更新索引的時候，就不需要從頭更新了，只需要比這個ID大的就可以。

DROP TABLE IF EXISTS `search_counter`;

CREATE TABLE `search_counter` (

  `counter_id` int(11) NOT NULL,

  `max_doc_id` int(11) NOT NULL,

  PRIMARY KEY (`counter_id`)

) ENGINE=InnoDB DEFAULT CHARSET=utf8;

3、配置 coreseek ，以下是我在windows下 coreseek的配置文件，linux 在伺服器上，沒去找。這裡配置了2個索引源，一個是main，一個是增量索引delta，這樣不需要每次重建所有索引，只需要合併 main和delta就可以了。

#源定義

source main

{

    type                    = mysql

    sql_host                = 192.168.0.10

    sql_user                = root

    sql_pass                = root

    sql_db                  = database

    sql_port                = 3306

    sql_query_pre           = SET NAMES utf8

    sql_query_pre           = REPLACE INTO search_counter SELECT 1, MAX(searchid) FROM qhb_search

    sql_query               = SELECT searchid, title, content, controller_id, controller,add_time FROM search

                                                              #sql_query第一列id需為整數

                                                              #title、content作為字元串/文本欄位，被全文索引

    #sql_attr_uint           = searchid           #從SQL讀取到的值必須為整數

sql_attr_uint           = controller_id      # 資料庫ID過濾

sql_attr_uint           = controller         # 控制器過濾

    sql_attr_timestamp      = add_time #從SQL讀取到的值必須為整數，作為時間屬性

    sql_query_info_pre      = SET NAMES utf8                                        #命令行查詢時，設置正確的字符集

    #sql_query_info          = SELECT * FROM qhb_search WHERE searchid=$searchid #命令行查詢時，從資料庫讀取原始數據信息

}

source delta : main

{

    sql_query_pre  = SET NAMES utf8

    sql_query      = SELECT searchid, title, content, controller_id, controller,add_time FROM qhb_search WHERE searchid( SELECT max_doc_id FROM qhb_search_counter WHERE counter_id=1 )

sql_query_post = REPLACE INTO qhb_search_counter SELECT 1, MAX(searchid) FROM qhb_search

}

#index定義

index main

{

    source          = main             #對應的source名稱

    path            = D:/WebSoft/coreseek/var/data/main #請修改為實際使用的絕對路徑，例如：/usr/local/coreseek/var/…

    docinfo         = extern

    mlock           = 0

    morphology      = none

    min_word_len    = 1

    html_strip      = 0

    #中文分詞配置，詳情請查看：

    #charset_dictpath = /usr/local/mmseg3/etc/ #BSD、Linux環境下設置，/符號結尾

    charset_dictpath  = D:/WebSoft/coreseek/etc/           #Windows環境下設置，/符號結尾，最好給出絕對路徑，例如：C:/usr/local/coreseek/etc/…

    charset_type      = zh_cn.utf-8

}

index delta : main

{

    source = delta

    path   = D:/WebSoft/coreseek/var/data/delta

}

#全局index定義

indexer

{

    mem_limit            = 128M

}

#searchd服務定義

searchd

{

    listen              =   9312

    read_timeout        = 5

    max_children        = 30

    max_matches         = 1000

    seamless_rotate     = 0

    preopen_indexes     = 0

    unlink_old          = 1

    pid_file  = D:/WebSoft/coreseek/var/log/searchd_main.pid  #請修改為實際使用的絕對路徑，例如：/usr/local/coreseek/var/…

    log       = D:/WebSoft/coreseek/var/log/searchd_main.log        #請修改為實際使用的絕對路徑，例如：/usr/local/coreseek/var/…

    query_log = D:/WebSoft/coreseek/var/log/query_main.log #請修改為實際使用的絕對路徑，例如：/usr/local/coreseek/var/…

}

4、建立索引。必須要先建立索引， coreseek 才能啟動。下面是我在Windows的建立索引命令，如何使用命令行我就不贅述了。

D:\WebSoft\coreseek\bin\indexer –all –config d:\WebSoft\coreseek\bin\sphinx.conf

5、配置並啟動服務

D:\WebSoft\coreseek\bin\searchd –install –config 

D:\WebSoft\coreseek\bin\sphinx.conf –servicename coreseek

6、Windows創建定時任務，每分鐘更新一次索引

D:\WebSoft\coreseek\bin\indexer.exe –config D:\WebSoft\coreseek\bin\sphinx.conf delta –rotate

echo indexing, window will close when complete

7、Windows創建定時任務，每天凌晨2點合併索引

D:\WebSoft\coreseek\bin\indexer.exe –config D:\WebSoft\coreseek\bin\sphinx.conf –merge main delta –rotate

echo indexing, window will close when complete

8、附上 創建索引，重建索引，合併索引在windows及linux上的方法，以及一些使用上的小問題

windows：

建立索引

D:\WebSoft\coreseek\bin\indexer –all –config d:\WebSoft\coreseek\bin\sphinx.conf

重建索引

D:\WebSoft\coreseek\bin\indexer –config D:\WebSoft\coreseek\bin\sphinx.conf main –rotate

增量索引

D:\WebSoft\coreseek\bin\indexer –config D:\WebSoft\coreseek\bin\sphinx.conf delta –rotate

合併索引

D:\WebSoft\coreseek\bin\indexer –config D:\WebSoft\coreseek\bin\sphinx.conf –merge main delta –rotate

配置並啟動服務

D:\WebSoft\coreseek\bin\searchd –install –config D:\WebSoft\coreseek\bin\sphinx.conf –servicename coreseek

創建自定義詞庫方法：

1、先去  搜狗細胞詞庫下載需要的詞庫

2、使用 深藍詞庫轉換 將詞庫轉換為 txt

3、使用PHP程序將 生成的txt轉換為 coreseek 所需要的格式

4、附加到  unigram.txt

5、使用命令更新分詞詞庫

   cmd 進入 bin目錄，執行下面命令

   mmseg -u D:\WebSoft\coreseek\etc\unigram.txt

6、將生成的  unigram.txt.uni 改名為：uni.lib

7、重建索引

8、重啟coreseek服務

注意：

必須先建立索引，服務才能啟動

1、coreseek索引或者查詢時提示ERROR: invalid token in etc解決辦法

該提示表示當前的配置文件的編碼不是UTF-8（無BOM頭）格式，無法正確解析，請使用編輯軟體打開配置文件，另存為UTF-8（無BOM頭）格式；

2、failed to  lock …..try –rotate  

索引已經建立，使用重建索引命令

3、報警告：failed to scanf pid from 

沒有啟動coreseek服務

4、過濾搜索結果，必須使用數組傳遞，只支持   

無符號整數（1-32位寬）;

UNIX 時間戳（timestamps）;

浮點值（32位，IEEE 754單精度）;

字元串序列 (尤其是計算出的整數值);

多值屬性 MVA( multi-value attributes ) (32位無符號整型值的變長序列)

$this-shpinx-SetFilter(‘controller’, array（1,2） );

CENTOS 操作方法

開機啟動coreseek搜索服務：

vi /etc/rc.d/rc.local  

在最後一行添加

/usr/local/coreseek/bin/searchd -c /usr/local/coreseek/bin/sphinx.conf

##如要停止搜索服務，請使用/usr/local/coreseek/bin/searchd -c /usr/local/coreseek/bin/sphinx.conf –stop

##如要已啟動服務，要更新索引，請使用/usr/local/coreseek/bin/indexer -c /usr/local/coreseek/bin/sphinx.conf –all –rotate

linux下編輯定時任務 crontab -e

#凌晨4點合併索引，其餘時間每分鐘更新索引

* 0-3 * * * /usr/local/sphinx/bin/indexer –config /usr/local/sphinx/etc/sphinx.conf delta –rotate

* 6-23 * * * /usr/local/sphinx/bin/indexer –config /usr/local/sphinx/etc/sphinx.conf delta –rotate

0 4 * * * /usr/local/sphinx/bin/indexer –config /usr/local/sphinx/etc/sphinx.conf –merge main delta –rotate

啟動服務：

/usr/local/coreseek/bin/searchd -c /usr/local/coreseek/bin/sphinx.conf

建立索引

/usr/local/coreseek/bin/indexer –all –config /usr/local/coreseek/bin/sphinx.conf

重建索引

/usr/local/coreseek/bin/indexer –config /usr/local/coreseek/bin/sphinx.conf main –rotate

增量索引

/usr/local/coreseek/bin/indexer –config /usr/local/coreseek/bin/sphinx.conf delta –rotate

合併索引

/usr/local/coreseek/bin/indexer –config /usr/local/coreseek/bin/sphinx.conf –merge main delta –rotate

XDB::Open(dict.xdb) failed這個怎麼解決啊

set_dict(‘./pscws4/etc/dict.xdb’)

路徑檢查下，或者重新下載一個替換。