Centos下Sphinx中文分词编译安装测试---CoreSeek

Posted 路漫漫其修远兮

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Centos下Sphinx中文分词编译安装测试---CoreSeek相关的知识,希望对你有一定的参考价值。

要支持中文分词,还需要下载Coreseek,可以去官方搜索下载,这里我用的4.1

百度云下载地址:      https://pan.baidu.com/s/1slNIyHf

tar -zxvf coreseek-4.1-beta.tar.gz
cd coreseek-4.1-beta
cd mmseg-3.2.14/
./bootstrap   //测试安装环境
libtoolize: putting auxiliary files in AC_CONFIG_AUX_DIR, `config\'.
libtoolize: copying file `config/ltmain.sh\'
libtoolize: Consider adding `AC_CONFIG_MACRO_DIR([m4])\' to configure.in and
libtoolize: rerunning libtoolize, to keep the correct libtool macros in-tree.
libtoolize: Consider adding `-I m4\' to ACLOCAL_AMFLAGS in Makefile.am.
+ autoheader
+ automake --add-missing --copy
+ autoconf
./configure --prefix=/usr/local/mmseg3
------------------------------------------------------------------------
Configuration:
  Source code location:       .
  Compiler:                   gcc
  Compiler flags:             -g -O2
  Host System Type:           x86_64-redhat-linux-gnu
  Install path:               /usr/local/mmseg3
  See config.h for further configuration information.
------------------------------------------------------------------------
make && make install

在原安装目录下创建一个文本文档测试一下

cd /usr/local/mmseg3
cd /usr/local/src/coreseek-4.1-beta/mmseg-3.2.14/src
vim test.txt
山东省德州市
北京朝阳市 
中国北京 
中国德州 
中国山东德州
cd /usr/local/mmsge3/bin
./mmseg -d /usr/local/mmseg3/etc/ /usr/local/src/coreseek-4.1-beta/mmseg-3.2.14/src/test.txt
山东省/x 德州市/x  /x  /x 
北京/x 朝阳市/x 
中国/x 北京/x 
中国/x 德州/x 
中国/x 山东/x 德州/x 
Word Splite took: 0 ms.
cd /usr/local/src/coreseek-4.1-beta/csft-4.1  //可以把csft当做sphinx了
sh buildconf.sh    //执行脚本测试,如果不出问题,证明可以使用
./configure --prefix=/usr/local/coreseek --without-unixodbc --with-mmseg --with-mmseg-includes=/usr/local/mmseg3/ 
/include/mmseg/ --with-mmseg-libs=/usr/local/mmseg3/lib/ --with-mysql
You can now run \'make install\' to build and install Sphinx binaries.
On a multi-core machine, try \'make -j4 install\' to speed up the build.
Updates, articles, help forum, and commercial support, consulting, training,
and development services are available at http://sphinxsearch.com/
Thank you for choosing Sphinx!
make && make install
make[3]: Entering directory `/usr/local/src/coreseek-4.1-beta/csft-4.1\'
mkdir -p /usr/local/coreseek/var/data && mkdir -p /usr/local/coreseek/var/log
make[3]: Leaving directory `/usr/local/src/coreseek-4.1-beta/csft-4.1\'
make[2]: Leaving directory `/usr/local/src/coreseek-4.1-beta/csft-4.1\'
make[1]: Leaving directory `/usr/local/src/coreseek-4.1-beta/csft-4.1\'

然后进入mysql客户端创建一个表测试一下

create table kecheng(id int primary key auto_increment,name varchar(50),info varchar(50))charset utf8;
insert into kecheng(name,info) values(\'java\',\'java是一门很牛的语言,性能整体来说比php要强,但是不如php开发速度快\');
insert into kecheng(name,info) values(\'redis\',\'redis是一种内存缓存数据库,比memcache支持的数据格式多\');
insert into kecheng(name,info) values(\'memcache\',\'memcache支持简单的key value形式,不像redis支持持久化\');
insert into kecheng(name,info) values(\'jquery\',\'jquery是一种前端脚本,结合php和java可以做web开发\');

cd /usr/local/coreseek/    //也就是sphinx目录了
cd bin
ls  //类似于原版sphinx目录结构
cd /usr/local/coreseek/etc
cp sphinx.conf.dist csft.conf
CREATE TABLE index_table(        //此表为了存放更新完的索引id,不用每次更新全表
    Counter_id int unsigned not null primary key auto,
    Max_id int unsigned not null comment\'已经创建完索引的最大id\'
)

编辑配置文件csft.conf

 13 source src1
 14 {
 15         # data source type. mandatory, no default value
 16         # known types are mysql, pgsql, mssql, xmlpipe, xmlpipe2, odbc
 17         type                    = mysql                  --库类型
 18 
 19         #####################################################################
 20         ## SQL settings (for \'mysql\' and \'pgsql\' types)
 21         #####################################################################
 22 
 23         # some straightforward parameters for SQL source types
 24         sql_host                = localhost                  --不做解释
 25         sql_user                = root
 26         sql_pass                =
 27         sql_db                  = test
 28         sql_port                = 3306  # optional, default is 3306
.....
 79          sql_query_pre          = SET NAMES utf8                  --设置字符集
 80          sql_query_pre          = SET SESSION query_cache_type=OFF      --关闭mysql查询缓存
 84         # mandatory, integer document ID field MUST be the first selected column
 85         #sql_query              = \\
 86         #       SELECT id, group_id, UNIX_TIMESTAMP(date_added) AS date_added, title, content \\
 87         #       FROM documents--关掉默认的查询表
           #设置要查询的信息,如果表主键不叫id,那么还需要别名为id,如 select tid id from tableName;
 88         sql_query               = SELECT id,name,info FROM kecheng 
           #主查询执行完之后执行的SQL     index_table是存放最后更新的主键id,不用每次更新全表,只更新最新数据
            sql_query_post = REPLACE INTO index_table SELECT 1,MAX(id) FROM kecheng;        
.....         #当使用search检索文件的时候,返回的记录字段,这里是所有(测试而已)
 241         sql_query_info          = SELECT * FROM kecheng WHERE id=$id
.....
index test1
 318 {
.....
 331         path                 = /usr/local/coreseek/var/data/test1   --索引文件创建的位置
 332 
 333         # document attribute values (docinfo) storage mode
 391         charset_type            = zh_cn.utf-8                  --改为中文
 392         charset_dictpath        = /usr/local/mmseg3/etc/ --词典目录
 
#---------------- 
source zengliangsuoyin : src1{
	#取出还没有创建索引的数据
	sql_query 	= SELECT id,name,info FROM kecheng WHERE id > (SELECT max_id FROM index_table )
	#再把最后一个id更新到index_table
	。。不用写了,因为是继承上一个
}
index zengliangsuoyin : src1{
	source 			= zengliangsuoyin
	path                    = /usr/local/coreseek/var/data/test1
}

保存退出

cd /usr/local/coreseek/bin/
./indexer --all
using config file \'/usr/local/coreseek/etc/csft.conf\'...        --指定的配置文档,之前复制的文件命名一致
indexing index \'test1\'...
WARNING: attribute \'group_id\' not found - IGNORING
WARNING: attribute \'date_added\' not found - IGNORING
WARNING: Attribute count is 0: switching to none docinfo
collected 5 docs, 0.0 MB
sorted 0.0 Mhits, 100.0% done
total 5 docs, 351 bytes
total 0.178 sec, 1971 bytes/sec, 28.07 docs/sec
indexing index \'test1stemmed\'...
WARNING: attribute \'group_id\' not found - IGNORING
WARNING: attribute \'date_added\' not found - IGNORING
WARNING: Attribute count is 0: switching to none docinfo
collected 5 docs, 0.0 MB                  --发现五个文档也就是mysql五条记录,连接库没问题了
sorted 0.0 Mhits, 100.0% done
total 5 docs, 351 bytes
total 0.007 sec, 47677 bytes/sec, 679.16 docs/sec
skipping non-plain index \'dist1\'...
skipping non-plain index \'rt\'...
total 4 reads, 0.000 sec, 0.3 kb/call avg, 0.0 msec/call avg
total 12 writes, 0.000 sec, 0.2 kb/call avg, 0.0 msec/call avg
./search php
Coreseek Fulltext 4.1 [ Sphinx 2.0.2-dev (r2922)]
Copyright (c) 2007-2011,
Beijing Choice Software Technologies Inc (http://www.coreseek.com)
 using config file \'/usr/local/coreseek/etc/csft.conf\'...
index \'test1\': query \'php \': returned 3 matches of 3 total in 0.000 sec
displaying matches:
1. document=1, weight=2500
id=1
group_id=1
group_id2=5
date_added=2017-02-08 06:22:36
title=test one
content=this is my test document number one. also checking search within phrases.
2. document=2, weight=1500
id=2
group_id=1
group_id2=6
date_added=2017-02-08 06:22:36
title=test two
content=this is my test document number two
3. document=5, weight=1500
(document not found in db)
words:
1. \'php\': 3 documents, 5 hits ---出现的次数
index \'test1stemmed\': query \'php \': returned 3 matches of 3 total in 0.000 sec
displaying matches:
1. document=1, weight=2500
id=1
group_id=1
group_id2=5
date_added=2017-02-08 06:22:36
title=test one
content=this is my test document number one. also checking search within phrases.
2. document=2, weight=1500
id=2
group_id=1
group_id2=6
date_added=2017-02-08 06:22:36
title=test two
content=this is my test document number two
3. document=5, weight=1500
(document not found in db)
words:
1. \'php\': 3 documents, 5 hits

测试完成,下面就开始php扩展的安装了

 


以上是关于Centos下Sphinx中文分词编译安装测试---CoreSeek的主要内容,如果未能解决你的问题,请参考以下文章

Centos下Sphinx的下载与编译安装

PHP实现关键词全文搜索Sphinx及中文分词Coreseek的安装配置

Centos下安装php扩展sphinx

sphinx的安装配置和中文分词包coreseek

整理Linux下中文检索引擎coreseek4安装,以及PHP使用sphinx的三种方式(sphinxapi,sphinx的php扩展,SphinxSe作为mysql存储引擎)

Sphinx + Coreseek 实现中文分词搜索