sphinx全文检索之PHP使用教程

系统 1505 0

Sphinx
以上一篇的email数据表为例:

数据结构:


01. CREATE TABLE email (
02. emailid mediumint(8) unsigned NOT NULL auto_increment COMMENT '邮件id' ,
03.  
04. fromid int (10) unsigned NOT NULL default '0' COMMENT '发送人ID' ,
05.  
06. toid int (10) unsigned NOT NULL default '0' COMMENT '收件人ID' ,
07. content text unsigned NOT NULL COMMENT '邮件内容' ,
08. subject varchar (100) unsigned NOT NULL COMMENT '邮件标题' ,
09.  
10. sendtime int (10) NOT NULL COMMENT '发送时间' ,
11.  
12. attachment varchar (100) NOT NULL COMMENT '附件ID,以逗号分割' , PRIMARY KEY (emailid),
13. ) ENGINE=MyISAM';




使用打开控制台,必需打开控制台PHP才能连接到sphinx(确保你已经建立好索引源):

d:\coreseek\bin\searchd -c d:\coreseek\bin\sphinx.conf



coreseek/api目录下提供了PHP的接口文件 sphinxapi.php,这个文件包含一个SphinxClient的类

在PHP引入这个文件,new一下

01. $sphinx = new SphinxClient();
02.  
03. //sphinx的主机名和端口
04.  
05. $sphinx ->SetServer ( 'loclahost' , 9312 );
06.  
07. //设置返回结果集为php数组格式
08.  
09. $sphinx ->SetArrayResult ( true );
10.  
11. //匹配结果的偏移量,参数的意义依次为:起始位置,返回结果条数,最大匹配条数
12.  
13. $sphinx ->SetLimits(0, 20, 1000);
14.  
15. //最大搜索时间
16.  
17. $sphinx ->SetMaxQueryTime(10);
18.  
19.  
20.  
21. //执行简单的搜索,这个搜索将会查询所有字段的信息,要查询指定的字段请继续看下文
22.  
23. $index = 'email' //索引源是配置文件中的 index 类,如果有多个索引源可使用,号隔开:'email,diary' 或者使用'*'号代表全部索引源
24.  
25. $result = $sphinx ->query ( '搜索关键字' , $index );
26.  
27. echo '
    
      ';



print_r($result);



echo '
    
  

';

$result是一个数组,其中

total是匹配到的数据总数量

matches是匹配的数据,包含id,attrs这些信息

words是搜索关键字的分词



你可能奇怪为什么没有邮件的内容这些信息,其实sphinx并不会返回像mysql那样的数据数组,因为sphinx本来就没有记录完整的数据,只记录被分词后的数据。

具体还要看matches数组,matches中的ID就是指配置文件中sql_query SELECT语句中的第一个字段,我们配置文件中是这样的

sql_query = SELECT emailid,fromid,toid,subject,content,sendtime,attachement FROM email

所以matches中的ID是指emailid

至于weight是指匹配的权重,一般权重越高被返回的优先度也最高,匹配权重相关内容请参考官方文档

attrs是配置文件中sql_attr_ 中的信息,稍后会提到这些属性的用法


说了这么多,即使搜索到结果也不是我们想要的email数据,但事实sphinx是不记录真实数据的,所以要获取到真实email数据还要根据matches中的ID去搜索mysql的email表,但总体来说这样一来一回的速度还是远远比mysql的LIKE快得多,前提是几十万数据量以上,否则用sphinx只会更慢。



接下来介绍sphinx一些类似mysql条件的用法

01. //emailid的范围
02.  
03. $sphinx ->SetIdRange( $min , $max );
04.  
05.  
06.  
07. //属性过滤,可过滤的属性必需在配置文件中设置sql_attr_    ,之前我们定义了这些
08.  
09. sql_attr_uint            = fromid
10.  
11. sql_attr_uint            = toid
12.  
13. sql_attr_timestamp  = sendtime
14.  
15. //如果你想再次修改这些属性,配置完成后记得重新建立索引才能生效
16.  
17.  
18.  
19. //指定一些值
20.  
21. $sphinx ->SetFilter( 'fromid' , array (1,2));    //fromid的值只能是1或者2
22.  
23. //和以上条件相反,可增加第三个参数
24.  
25. $sphinx ->SetFilter( 'fromid' , array (1,2), false);    //fromid的值不能是1或者2
26.  
27. //指定一个值的范围
28.  
29. $sphinx ->SetFilterRange( 'toid' , 5, 200);    //toid的值在5-200之间
30.  
31. //和以上条件相反,可增加第三个参数
32.  
33. $sphinx ->SetFilterRange( 'toid' , 5, 200, false);    //toid的值在5-200以外
34.  
35.  
36.  
37. //执行搜索
38.  
39. $result = $sphinx ->query( '关键字' , '*' );




排序模式
可使用如下模式对搜索结果排序:

SPH_SORT_RELEVANCE 模式, 按相关度降序排列(最好的匹配排在最前面)

SPH_SORT_ATTR_DESC 模式, 按属性降序排列 (属性值越大的越是排在前面)

SPH_SORT_ATTR_ASC 模式, 按属性升序排列(属性值越小的越是排在前面)

SPH_SORT_TIME_SEGMENTS 模式, 先按时间段(最近一小时/天/周/月)降序,再按相关度降序

SPH_SORT_EXTENDED 模式, 按一种类似SQL的方式将列组合起来,升序或降序排列。

SPH_SORT_EXPR 模式,按某个算术表达式排序


01. //使用属性排序
02.  
03. //以fromid倒序排序,注意当再次使用SetSortMode会覆盖上一个排序
04.  
05. $sphinx ->SetSortMode ( "SPH_SORT_ATTR_DESC" , 'fromid' );
06.  
07. //如果要使用多个字段排序可使用SPH_SORT_EXTENDED模式
08.  
09. //@id是sphinx内置关键字,这里指emailid,至于为什么是emailid,自己思考一下
10.  
11. $sphinx ->SetSortMode ( "SPH_SORT_ATTR_DESC" , 'fromid ASC, toid DESC, @id DESC' );
12.  
13. //执行搜索
14.  
15. $result = $sphinx ->query( '关键字' , '*' );



//更多请查看官方文档排序模式的说明

匹配模式
有如下可选的匹配模式:

SPH_MATCH_ALL, 匹配所有查询词(默认模式);

SPH_MATCH_ANY, 匹配查询词中的任意一个;

SPH_MATCH_PHRASE, 将整个查询看作一个词组,要求按顺序完整匹配;

SPH_MATCH_BOOLEAN, 将查询看作一个布尔表达式

SPH_MATCH_EXTENDED, 将查询看作一个CoreSeek/Sphinx内部查询语言的表达式 . 从版本Coreseek 3/Sphinx 0.9.9开始, 这个选项被选项SPH_MATCH_EXTENDED2代替,它提供了更多功能和更佳的性能。保留这个选项是为了与遗留的旧代码兼容——这样即使Sphinx及其组件包括API升级的时候,旧的应用程序代码还能够继续工作。

SPH_MATCH_EXTENDED2, 使用第二版的“扩展匹配模式”对查询进行匹配.

SPH_MATCH_FULLSCAN, 强制使用下文所述的“完整扫描”模式来对查询进行匹配。注意,在此模式下,所有的查询词都被忽略,尽管过滤器、过滤器范围以及分组仍然起作用,但任何文本匹配都不会发生.

我们要关注的主要是SPH_MATCH_EXTENDED2扩展匹配模式,扩展匹配模式允许使用一些像mysql的条件语句

01. //设置扩展匹配模式
02.  
03. $sphinx ->SetMatchMode ( "SPH_MATCH_EXTENDED2" );
04.  
05. //查询中使用条件语句,字段用@开头,搜索内容包含测试,toid等于1的邮件:
06.  
07. $result = $sphinx ->query( '@content (测试) & @toid =1' , '*' );
08.  
09. //用括号和&(与)、|、(或者)、-(非,即!=)设置更复杂的条件
10.  
11. $result = $sphinx ->query( '(@content (测试) & @subject =呃) | (@fromid -(100))' , '*' );
12.  
13. //更多语法请查看官方文档匹配模式的说明



扩展匹配模式中值得一提的是搜索的字段,如果该字段被设置属性,那么扩展匹配搜索的字段默认是不包含这些属性的,只能用SetFilter()或者SetFilterRange()之类

之前我们设置了fromid、toid、sendtime为属性,但又想在扩展匹配模式中又想用作条件该怎么办?

只要在sql_query语句中再选择多一次该字段就可以了

sql_query = SELECT emailid,fromid,fromid,toid,toid,subject,content,sendtime,sendtime,attachement FROM email

//设置完成记得重新建立索引

更多条件技巧
只是一些技巧,但不建议使用的部署环境中,至于为什么,请看文章结尾



<、<=、>、>=
默认sphinx没有这些比较符。

假如我想邮件的发送时间大于某一日期怎么办?用SetFilterRange()方法模拟一下

01. //大于等于某一时间截$time
02.  
03. $sphinx ->SetFilterRange( 'sendtime' , $time , 10000000000) //时间截最大是10个9,再加1是不可超越了。。
04.  
05.  
06.  
07. //大于某一时间截$time
08.  
09. $sphinx ->SetFilterRange( 'sendtime' , $time +1, 10000000000)
10.  
11. //小于等于某一时间截$time
12.  
13. $sphinx ->SetFilterRange( 'sendtime' , -1, $time )    //时间截最小是0,所以应该减1
14.  
15. //大于某一时间截$time
16.  
17. $sphinx ->SetFilterRange( 'sendtime' , -1, $time - 1)



IS NOT NULL
怎样搜索为空的字段,比如我要搜索附件为空的邮件,有人可能会想 @attachment ('')不就可以了吗?其实这是搜索两个单引号。。。sphinx搜索的字符串不用加引号的

目前sphinx是没有提供这样的功能,其实可以在mysql语句上作手脚:

sql_query = SELECT emailid,fromid,toidsubject,content,sendtime,attachement != '' as attach is not null FROM email //这里返回了一个新字段attachisnotnull,当attachisnotnull为1的时候附件就不为空了

//设置完成记得重新建立索引



FIND_IN_SET()
搜索包含某一附件的邮件,mysql习惯用FIND_IN_SET这么简单一句就搞定了,在sphinx中必需在配置里设置属性sql_attr_multi 多值属性(MVA):

sql_attr_multi = attachment #attachment可以是逗号分隔的附件ID,或者是空格、分号等sphinx都能识别

01. //设置完成记得重新建立索引
02.  
03.  
04.  
05. 然后PHP中可以使用SetFilter()
06.  
07. //搜索包含附件ID为1或2邮件,mysql语法是这样FIND_IN_SET(`attachment`, '1,2')
08.  
09. $sphinx ->SetFilter( 'attachment' , array (1,2))
10.  
11. //可以使用SetFilterRange,搜索包含附件ID在50-100范围的邮件
12.  
13. $sphinx ->SetFilterRange( 'attachment' , 50, 100)


sphinx全文检索之PHP使用教程


更多文章、技术交流、商务合作、联系博主

微信扫码或搜索:z360901061

微信扫一扫加我为好友

QQ号联系: 360901061

您的支持是博主写作最大的动力,如果您喜欢我的文章,感觉我的文章对您有帮助,请用微信扫描下面二维码支持博主2元、5元、10元、20元等您想捐的金额吧,狠狠点击下面给点支持吧,站长非常感激您!手机微信长按不能支付解决办法:请将微信支付二维码保存到相册,切换到微信,然后点击微信右上角扫一扫功能,选择支付二维码完成支付。

【本文对您有帮助就好】

您的支持是博主写作最大的动力,如果您喜欢我的文章,感觉我的文章对您有帮助,请用微信扫描上面二维码支持博主2元、5元、10元、自定义金额等您想捐的金额吧,站长会非常 感谢您的哦!!!

发表我的评论
最新评论 总共0条评论