用PHPdig打造属于你自己的Google
<p>一、什么是PHPdig？<p> PHPdig是国外非常流行的垂直搜索引擎产品（与其说是产品，不如说是一项区别于传统搜索引擎的搜索<a href="http://www.phpchina.com/javascript:;" onClick="javascript:tagshow(event, '%BC%BC%CA%F5');" target="_self"><u><strong>技术</strong></u></a>），采用<a href="http://www.phpchina.com/javascript:;" onClick="javascript:tagshow(event, 'PHP');" target="_self"><u><strong>PHP</strong></u></a>语言编写，利用了PHP程序运行的高效性，极大地提高了搜索反应速度，它可以像Google或者Baidu以及其它搜索引擎一样搜索<a class="channel_keylink" href="http://news.itbulo.com/net/" target="_blank">互联网</a>，搜索内容除了普通的网页外还包括txt, doc, xls, pdf等各式的文件，具有强大的内容搜索和文件解析功能。PHPdig同传统的搜索引擎一样，包含了以下三种最基本的技术：</p><p> 1．Spider技术</p><p> 2．网页结构化信息抽取技术或元数据采集技术</p><p> 3．分词、索引技术</p><p> 区别于传统搜索引擎，PHPdig适用于专业化更强、层次更深的个性化搜索引擎，利用它打造针对某一领域的垂直搜索引擎是最好的选择。</p><p> 二、如何获得这PHPdig？</p><p> PHPdig是免费产品（需要保留版权），最新版本是 phpdig-1.8.9 为了避免<a href="http://www.phpchina.com/javascript:;" onClick="javascript:tagshow(event, 'Apache');" target="_self"><u><strong>Apache</strong></u></a>以及<a href="http://www.phpchina.com/javascript:;" onClick="javascript:tagshow(event, 'MYSQL');" target="_self"><u><strong>MYSQL</strong></u></a>的版本兼容性问题，建议采用较低级的版本，其网站地址是：<a href="http://www.phpdig.net/">http://www.phpdig.net</a> ，下载地址是：<a href="http://www.phpdig.net/navigation.php?action=download">http://www.phpdig.net/navigation.php?action=download</a> 说明一下，我试用过phpdig-1.8.9版本，但出现了很多问题，改用PHPdig-1.8.8则问题较少。</p><p>三、具体步骤</p><p> 1.获取产品</p><p> 访问<a href="http://www.phpdig.net/navigation.php?action=download">http://www.phpdig.net/navigation.php?action=download</a>下载PHPdig-1.8.8至桌面，解压缩至Apache服务器html目录，一般路径为：D:\usr\www\html\，（如果你没有安装Apache服务器请事先安装，推荐使用Mappm-Server v1.1.9 Final，Mappm-Server采用傻瓜式安装，一次搞定，方便调试和运行 PHP/CGI+MySQL 程序）。</p><p> 2.运行并配置PHPdig数据库</p><p> 打开浏览器输入<a href="http://localhost/phpdig/">http://localhost/phpdig/</a>按回车键，页面列出PHPdig的所有文件及包含文件夹，找一找发现没有默认首页文件（default,index）,单击search.php文件出现错误提示：Unable to connect to database : Check the connectionscript。提示无法完成<a href="http://www.phpchina.com/javascript:;" onClick="javascript:tagshow(event, '%CA%FD%BE%DD%BF%E2');" target="_self"><u><strong>数据库</strong></u></a>连接，原来我们还没有完成PHPdig的数据库配置。返回进入admin目录找到install.php文件，单击运行，乍一看，全英文界面（说明一下，PHPdig目前所有版本均不支持中文界面），没有关系，如果你有过汉化经验不妨自己动手将其汉化，这里提供一份我自己汉化的cn-language.php文档的下载（请将其拷贝至locales目录下）。另外你还需修改includes目录下的config.php文件（语言修改）和style.css文件（字体修改和样式修改），出现问题请到网页陶吧PHPdig主题社区求助。</p><p> 进入install.php后系统要求我们输入PHPdig管理用户名和密码，默认情况下均为admin，进入后出现如下界面（汉化后）：</p><p align="center"><img style="width: 752px; height: 437px;" alt="" src="http://edu.itbulo.com/UploadFiles_1485/200602/20060209173121497.gif" border="0" height="437" hspace="0" width="752"><br><font color="#ff0000">（图1）</font></p><p align="center">所需提供的信息有：</p><p> 如果你是在本地测试，请输入默认情况下的服务器名称localhost(localhost是Mappm-Server下的默认务服务器名称，也就是mysql的默认服务器名称，Mappm-Server内置mysql数据库)数据库服务器端口默认为3126，可以不填，数据库sock协议默认为空，用户名默认为root（Mappm-Server默认用户名），密码是你在安装Mappm-Server时输入的用户密码，PHPdig数据库名称默认为phpdig，可任意修改，同时，你可以对数据库中的数据表加前缀，默认为空。</p><p> 如果你要上传到与<a href="http://www.phpchina.com/javascript:;" onClick="javascript:tagshow(event, 'Internet');" target="_self"><u><strong>Internet</strong></u></a>相连的web服务器请向服务器提供商索要mysql服务器的名称或者IP地址以及数据库服务器端口、sock协议、用户名、密码等，数据库名称以及数据表前缀的设置同上。</p><p> 至于右边的四个单选按钮，你可以视情况而定，初次使用（安装）选择默认的“建立数据库”</p><p> 确认上述信息无误后单击安装按钮，如果连接数据库不成功会提示“不能连接数据库”的错误信息，如果数据库连接成功则会直接跳入管理页面如下图：</p><p align="center"><img style="width: 702px; height: 546px;" alt="" src="http://edu.itbulo.com/UploadFiles_1485/200602/20060209173122593.gif" border="0" height="546" hspace="0" width="702"><br><font color="#ff0000">（图2）</font></p><p> <strong>3. 界面区域介绍</strong></p><p> 区域1是一个文本输入区，默认文字有三行，都是以http开头，大家一看就知道在这里输入要spider的站点的网站地址（建议每次只spider一个网站）。</p><p> 区域2是spider选项，搜索深度是指对这个网站spider到几级目录，每页链接数是指针对某个网页最多抓取多少个下面的链接网页。默认情况下都为0，指的是对这个站点进行全站spider。</p><p> 区域3显示数据库状态信息，包括已经spider的网站、关键词、索引以及正在spider的站点信息等。</p><p> 区域4是一个下拉列表框，罗列出已经spider的站点的网址，选中其中的一个站点，在区域5可以对其进行清除和更新操作。</p><p> 区域5不仅提供了对区域4中所选站点的清除和更新操作外，还提供了相关的统计信息入口和对spider的控制等。</p><p> <strong>4. 针对特定站点运行spider</strong></p><p> 如果你对天极软件频道的内容很感兴趣，你就可以做一个比google更专业的搜索引擎来搜索天极软件的内容，你的这个搜索引擎将比google更全面更深层次。下面我们以spider天极软件频道的内容为例介绍一下如何spider一个网站。</p><p> 1）在图2的区域1中输入http://soft.yesky.com，搜索深度和每页链接数都保持默认为0</p><p> 2）单击spider按钮，页面跳转到spider信息页面，程序开始自动spider站点http://soft.yesky.com的内容。</p><p> 注意：spider网站的过程非常缓慢，如果该网站内容太多，这个过程可能会延续几小时到一天，但你不必担心脚本运行超时，因为系统的timeout时间被设置为最长达48小时。在这个过程中，你也可以中断spider程序的运行，并能重新启动spider程序运行未spider完的网站。需要注意的是若在这个过程中你不小心关闭了spider运行页面，但事实上系统并没有停止spider，仍在消耗系统资源。你可以重新打开spider页面，点击停止spider链接方可释放系统资源。</p><p align="center"><img style="width: 279px; height: 358px;" alt="" src="http://edu.itbulo.com/UploadFiles_1485/200602/20060209173123918.gif" border="0" height="358" hspace="0" width="279"><br><font color="#ff0000">（图3）</font> <br></p><p> <strong>5. 利用PHPdig进行搜索</strong></p><p> 经过一段时间后，spider程序运行的结果是将http://soft.yesky.com网站上的信息抓取到服务器数据库中，主要是对方内容的title信息、关键词信息和页面地址信息等，此时，你就可以通过访问search.php进行搜索了。</p><p align="center"><img style="width: 597px; height: 184px;" alt="" src="http://edu.itbulo.com/UploadFiles_1485/200602/20060209173123596.gif" border="0" height="184" hspace="0" width="597"><font color="#ff0000"><br>（图4）</font></p><p> 你可以选择搜索结果显示的条数，可以选择模糊查找还是精确查找，另外你可以选择针对某个站点的搜索，默认情况下搜索已经被spider的所有站点。</p><p align="center"><img style="width: 822px; height: 280px;" alt="" src="http://edu.itbulo.com/UploadFiles_1485/200602/20060209173124108.gif" border="0" height="280" hspace="0" width="822"><br><font color="#ff0000">（图5）</font></p><p> 上图是搜索“QQ2006”的搜索结果页面。</p><p> <strong>6. 存在的问题</strong></p><p> 由于PHPdig的语言设置问题、系统的分词问题以及MYSQL数据库的字符处理问题等，PHPdig对汉语词汇的搜索还存在许多不确定因素，这些东西都有待我们进一步去解决和完善，欢迎广大对此感兴趣的朋友们到<a href="http://comments.yesky.com/t/308031/0,0/0.shtml" target="_blank"><u><font color="#ffffff">网页陶吧-PHPdig主题社区</font></u></a>进行探讨。</p><div>
