談mySQL數(shù)據(jù)庫(kù)的UTF8中文網(wǎng)站全文檢索的實(shí)現(xiàn)_PHP教程

教程Tag：暫無(wú)Tag,歡迎添加,賺取U幣!

推薦：揭秘PHP開(kāi)發(fā)搜索引擎技術(shù)全過(guò)程
談到網(wǎng)頁(yè)搜索引擎時(shí)，很多人都會(huì)想到雅虎。的確，雅虎開(kāi)創(chuàng)了一個(gè)互聯(lián)網(wǎng)絡(luò)的搜索時(shí)代。然而，雅虎目前用于搜索網(wǎng)頁(yè)的技術(shù)卻并非該公司原先自己開(kāi)發(fā)的。2000年8月，雅虎采用了Google這家由斯坦福大學(xué)學(xué)生創(chuàng)建的公司的技術(shù)。理由非常簡(jiǎn)單，Google的搜索引擎比雅

現(xiàn)在的互聯(lián)網(wǎng)上，很多網(wǎng)站都提供了全文搜索功能，瀏覽者可以通過(guò)輸入關(guān)鍵字或者是短語(yǔ)來(lái)搜索特定的資料。在PHP MySQL構(gòu)架的網(wǎng)站中，通常的做法是通過(guò)SELECT查詢的Like語(yǔ)句來(lái)進(jìn)行搜索，這一辦法存在搜索不夠精確、以及效率非常低下的缺點(diǎn)。比如對(duì)一個(gè)有十幾萬(wàn)條記錄數(shù)據(jù)表的TEXT字段進(jìn)行LIKE操作，可能會(huì)花費(fèi)上近10秒鐘左右，這對(duì)網(wǎng)站的瀏覽者來(lái)說(shuō)是一個(gè)非常糟糕的使用體驗(yàn)。如何在海量的數(shù)據(jù)中能夠快速的進(jìn)行全文檢索呢？MySQL提供了一個(gè)全文索引功能，也就是把字段設(shè)置上FULLTEXT索引屬性，然后通過(guò)SELECT的MATCH AGAINST語(yǔ)句進(jìn)行查找。

我們開(kāi)發(fā)的一個(gè)純英文站點(diǎn)TouchUs - The Global Yellow Pages & Business Directory（www.touchus.org）就是利用MySQL的這一功能，實(shí)現(xiàn)了對(duì)十多萬(wàn)條數(shù)據(jù)的平均全文檢索時(shí)間小于0.5秒。但是在開(kāi)發(fā)TouchUs的中文網(wǎng)站——城市黃頁(yè)網(wǎng)時(shí)（www.city39.cn），碰到了新的問(wèn)題。原來(lái)英文排版時(shí)詞和詞之間是通過(guò)空格區(qū)分的，F(xiàn)ULLText可以完全支持，但是對(duì)中文或者是東亞文字就沒(méi)有這么簡(jiǎn)單了，因?yàn)橹形牡脑~和詞之間并沒(méi)有明顯的分隔，所以MySQL不支持中文字符的全文檢索。

如何讓MySQL也能支持中文的全文檢索呢？偶然間產(chǎn)生了一個(gè)思路，那就是能不能在中文分詞后，通過(guò)對(duì)中文進(jìn)行編碼轉(zhuǎn)化成英文字符，這樣就在中英文間建立一個(gè)特定的聯(lián)系，然后再進(jìn)行全文檢索，這樣不就實(shí)現(xiàn)了中文的全文索引了嗎？經(jīng)過(guò)試驗(yàn)，答案是肯定的。下面是在城市黃頁(yè)網(wǎng)中實(shí)現(xiàn)的具體過(guò)程：

1. 建立一個(gè)單獨(dú)的索引表，比如對(duì)應(yīng)members表，我們建立一個(gè)members_index表。

用戶信息表(members)                    用戶信息全文索引表(members_index)
User_id                                              user_id
User_name                                       index_intro
User_introduction
在members_index表的index_intro中加入fulltext索引。

2. 對(duì)用戶信息表（members）的User_introduction字段內(nèi)容進(jìn)行中文分詞處理

中文分詞的處理過(guò)程，可以參考簡(jiǎn)易中文分詞系統(tǒng)http://www.ftphp.com/scws/，在城市黃頁(yè)網(wǎng)中，我們采用了scws的PHP擴(kuò)展模塊方式來(lái)實(shí)現(xiàn)中文分詞。scws的php擴(kuò)展模塊安裝非常簡(jiǎn)單，只需簡(jiǎn)單編譯配置后即可使用。在具體的php代碼中，我們寫(xiě)了如下的函數(shù)來(lái)實(shí)現(xiàn)分詞后將分詞結(jié)果用空格進(jìn)行連接。

//中文分詞函數(shù)
function str_fc($str) {
$so = scws_new();
$so->set_charset('utf8');
// 這里沒(méi)有調(diào)用 set_dict 和 set_rule 系統(tǒng)會(huì)自動(dòng)試調(diào)用 ini 中指定路徑下的詞典和規(guī)則文件
$so->send_text($str);
while ($tmp = $so->get_result())
{
   foreach ( $tmp as $ss ){
    $s = trim($ss[word]);
    if ( $s )
     $mystr .= trim($ss[word]) . " ";
     //echo urlencode(trim($ss[word])) . " ";
   }
}
return $mystr;
}
該函數(shù)返回就是用空格連接的分詞結(jié)果。

3. 對(duì)分詞結(jié)果進(jìn)行編碼，可以采用多種編碼方式，比如base64編碼、urlencode編碼、漢字轉(zhuǎn)拼音等，對(duì)gb2312甚至可以采用區(qū)位碼編碼方式。考慮到存儲(chǔ)空間以及便利性，我們采用了PHP的urlencode編碼方式。需要注意的是，在編碼前，我們可以去掉重復(fù)的分詞來(lái)節(jié)約存儲(chǔ)空間，編碼后要去掉編碼結(jié)果中的%符號(hào)，因?yàn)閡rlencode采用RFC 1738進(jìn)行編碼，會(huì)產(chǎn)生很多%，而%在MySQL是通配符。下面是編碼過(guò)程用到的PHP代碼

$data = str_fc($data); //中文分詞
$data = array_filter(explode(" ",$data)); //刪除數(shù)組空項(xiàng)
$data = array_flip(array_flip($data)); //刪除重復(fù)項(xiàng)

//對(duì)分詞結(jié)果進(jìn)行urlcode編碼
foreach ( $data as $ss ) {
if (strlen($ss)>1 )
$data_code .= str_replace("%","",urlencode($ss)) . " ";
}
這里的$data_code就是編碼后的結(jié)果。把編碼結(jié)果根據(jù)user_id存入用戶信息全文索
引表(members_index)

4. 在進(jìn)行搜索處理時(shí)，首先對(duì)用戶輸入的關(guān)鍵字進(jìn)行同樣的分詞編碼處理，然后通過(guò)MySQL的SELECT的MATCH AGAINST語(yǔ)句進(jìn)行全文快速檢索，根據(jù)檢索結(jié)的user_id即可調(diào)用用戶信息表(members)中的原始數(shù)據(jù)進(jìn)行顯示，而沒(méi)有必要進(jìn)行一次解碼重組。

分享：解讀二十五個(gè)頂級(jí)PHP模板引擎整理
為了找到一個(gè)好的模板引擎，我在互聯(lián)網(wǎng)上進(jìn)行搜索，目前已經(jīng)整理出了以下名單： Smarty Smarty的特點(diǎn)是將模板編譯成PHP腳本，然后執(zhí)行這些腳本。很快，非常靈活。 Heyes Template Class 一個(gè)非常容易使用，但功能強(qiáng)大并且快速的模板引擎，它幫助你把頁(yè)面布局