用PHP调用Lucene包来实现全文检索(转)

　　/*转贴请保留以下信息*/

　　作者：[url=http://spaces.msn.com/members/newbdez33/][color=#000000]张杰[/color][/url]

　　URL：[url=http://spaces.msn.com/members/newbdez33/][color=#000000]http://spaces.msn.com/members/newbdez33/[/color][/url]

　　[url=http://www.phpboom.com/][color=#000000]http://www.phpboom.com/[/color][/url]

　　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：
[color=green]
　　* public String createIndex(String indexDir_path,String dataDir_path)

　　* public String searchword(String ss,String index_path)[/color]

　　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][color=#000000]TxtFileIndexer.java[/color][/url]

　　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，

　[color=green]　$tf = new Java('TestLucene.TxtFileIndexer');[/color]

　　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：
[color=green]
　　$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
[/color]

　　这次再试试检索：
[color=green]
　　$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;
[/color]

　　另外要注意Java类的路径，可以在PHP里设置
[color=green]
　　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
[/color]

　　这样就可以了，是不是很简单。

　　PHP源代码：[url=http://newbdez33.googlepages.com/test.php][color=#000000]test.php[/color][/url]

　　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:[url=http://sourceforge.net/projects/php-java-bridge/][color=#000000]http://sourceforge.net/projects/php-java-bridge/[/color][/url]

　　目前版本是

　　[url=http://prdownloads.sourceforge.net/php-java-bridge/php-java-bridge_3.0.8_j2ee.zip?download][color=#000000]php-java-bridge_3.0.8_j2ee.zip[/color][/url]

　　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][color=#000000]用PHP调用Lucene包来实现全文检索[/color][/url]

　　我的MSN是 z33  163.com

　　欢迎技术探讨：）