php和lucene

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： 
* public String createIndex(String indexDir_path,String dataDir_path)
* public String searchword(String ss,String index_path) 

    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：TxtFileIndexer.java 
package TestLucene;

import java.io.File;
import java.io.FileReader;
import java.io.Reader;
import java.util.Date;

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.Term;
import org.apache.lucene.search.Hits;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.TermQuery;
import org.apache.lucene.store.FSDirectory;

public class TxtFileIndexer {

    public String test() {
        return "test is ok hohoho";
    }

    /**
     * @param args
     */
    public String createIndex(String indexDir_path,String dataDir_path) throws Exception {
        String result = "";
        File indexDir = new File(indexDir_path);
        File dataDir = new File(dataDir_path);
        Analyzer luceneAnalyzer = new StandardAnalyzer();
        File[] dataFiles = dataDir.listFiles();
        IndexWriter indexWriter = new IndexWriter(indexDir,luceneAnalyzer,true);
        long startTime = new Date().getTime();
        for(int i=0; i < dataFiles.length; i++) {
            if(dataFiles[i].isFile() && dataFiles[i].getName().endsWith(".html")) {
                result += "Indexing file" + dataFiles[i].getCanonicalPath()+"<br />";
                Document document = new Document();
                Reader txtReader = new FileReader(dataFiles[i]);
                document.add(Field.Text("path",dataFiles[i].getCanonicalPath()));
                document.add(Field.Text("contents",txtReader));
                indexWriter.addDocument(document);
            }
        }

        indexWriter.optimize();
        indexWriter.close();
        long endTime = new Date().getTime();

        result += "It takes"+(endTime-startTime)
                + " milliseconds to create index for the files in directory "
                + dataDir.getPath();
        return result;
    }

    public String searchword(String ss,String index_path)  throws Exception  {
        String queryStr = ss;
        String result = "Result:<br />";
        //This is the directory that hosts the Lucene index
        File indexDir = new File(index_path);
        FSDirectory directory = FSDirectory.getDirectory(indexDir,false);
        IndexSearcher searcher = new IndexSearcher(directory);
        if(!indexDir.exists()){
            result = "The Lucene index is not exist";
            return result;
        }
        Term term = new Term("contents",queryStr.toLowerCase());
        TermQuery luceneQuery = new TermQuery(term);
        Hits hits = searcher.search(luceneQuery);
        for(int i = 0; i < hits.length(); i++){
            Document document = hits.doc(i);
            result += "<br /><a href='getfile.php?w="+ss+"&f="+document.get("path")+"'>File: " + document.get("path")+"</a>\n";
        }
        return result;
    }

}

    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，
$tf = new Java('TestLucene.TxtFileIndexer'); 

    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： 
$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 

    这次再试试检索： 
$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; 

    另外要注意Java类的路径，可以在PHP里设置
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，这样就可以了，是不是很简单。 

    PHP源代码：test.php 
<?php

    error_reporting(0);

    java_require("F:/test/php_lucene/htdocs/lib/");

    $tf = new Java('TestLucene.TxtFileIndexer');
    $s = $tf->test();
    print "TestLucene.TxtFileIndexer->test()<br />".$s;
    echo "<hr />";

    $data_path = "F:/test/php_lucene/htdocs/data/manual";
    $index_path = "F:/test/php_lucene/htdocs/data/search";

    if($_GET["action"] == "create") {
        $s = $tf->createIndex($index_path,$data_path);
        print $s;
    }else {
        echo "<form method=get> <input type=text name=w /><input type=submit value=search /><br />";
        if($_GET["w"] != "") {
            $s = $tf->searchword($_GET["w"],$index_path);
            print $s;
        }
    }
?>

    接下来我把环境配置说一下，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:http://sourceforge.net/projects/php-java-bridge/ ，目前版本是php-java-bridge_3.0.8_j2ee.zip ，解包后把 

    a.JavaBridge\WEB-INF\cgi\java-x86-windows.dll 
    b.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。