coreseek 中文检索初探

官网：http://www.coreseek.cn。官网的说明是入门最好的资料。

1、下载coreseek
http://www.coreseek.cn/news/14/65/
2、安装
[SuperKKig@SuperKKig share]$ cd /usr/local/share
[SuperKKig@SuperKKig share]$ sudo mv ~/下载/coreseek-4.1-beta.tar.gz ./
[SuperKKig@SuperKKig coreseek-4.1-beta]$ cd coreseek-4.1-beta
##安装mmseg
[SuperKKig@SuperKKig mmseg-3.2.14]$ ./bootstrap
[SuperKKig@SuperKKig mmseg-3.2.14]$ ./configure --prefix=/usr/local/share/mmseg3
提示错误：config.status: error: cannot find input file: `src/Makefile.in'
通过网上参考资料，输入以下命令后就解决了：
[SuperKKig@SuperKKig mmseg-3.2.14]$ aclocal
[SuperKKig@SuperKKig mmseg-3.2.14]$ libtoolize –force
[SuperKKig@SuperKKig mmseg-3.2.14]$ automake –add-missing
[SuperKKig@SuperKKig mmseg-3.2.14]$ autoconf
[SuperKKig@SuperKKig mmseg-3.2.14]$ autoheader
[SuperKKig@SuperKKig mmseg-3.2.14]$ make clean
[SuperKKig@SuperKKig mmseg-3.2.14]$ ./configure --prefix=/usr/local/share/mmseg3
[SuperKKig@SuperKKig mmseg-3.2.14]$ make
[SuperKKig@SuperKKig mmseg-3.2.14]$ sudo make install
##安装coreseek
[SuperKKig@SuperKKig mmseg-3.2.14]$ cd ../cd csft-4.1/
[SuperKKig@SuperKKig csft-4.1]$ sh buildconf.sh
[SuperKKig@SuperKKig csft-4.1]$ ./configure --prefix=/usr/local/share/coreseek --without-unixodbc --with-mmseg --with-mmseg-includes=/usr/local/share/mmseg3/include/mmseg/ --with-mmseg-libs=/usr/local/share/mmseg3/lib/ --with-mysql
[SuperKKig@SuperKKig csft-4.1]$ make
[SuperKKig@SuperKKig csft-4.1]$ sudo make install

3、测试coreseek
[SuperKKig@SuperKKig csft-4.1]$ cd ../testpack
[SuperKKig@SuperKKig testpack]$ cat var/test/test.xml
[SuperKKig@SuperKKig testpack]$ /usr/local/share/mmseg3/bin/mmseg -d /usr/local/share/mmseg3/etc var/test/test.xml

输入上述命令后应该能正确显示中文，修改 etc/csft.conf的配置文件，将所有相对路径改成实际绝对路径
xmlpipe_command = cat /usr/local/share/coreseek-4.1-beta/testpack/var/test/test.xml
path = /usr/local/share/coreseek-4.1-beta/testpack/var/data/xml
charset_dictpath= /usr/local/share/mmseg3/etc/
pid_file = /usr/local/share/coreseek/coreseek-4.1-beta/testpack/var/log/searchd_xml.pid
log = /usr/local/share/coreseek/coreseek-4.1-beta/testpack/var/log/searchd_xml.log
query_log = /usr/local/share/coreseek/coreseek-4.1-beta/testpack/var/log/query_xml.log

[SuperKKig@SuperKKig mmseg-3.2.14]$ /usr/local/share/coreseek/bin/indexer -c etc/csft.conf --all
PS：如果出现ERROR: index 'xml': failed to configure some of the sources的错误提示，需要安装expat（xml解析库）的安装包，我是fedora 15，输入以下命令即可，并且安装完expat之后，需要重新编译coreseek：
[SuperKKig@SuperKKig testpack]$ sudo yum install expat-devel*
[SuperKKig@SuperKKig testpack]$ cd ../csft-4.1
[SuperKKig@SuperKKig csft-4.1]$ sudo make clean
重复 2、安装部分的##安装coreseek的部分即可
[SuperKKig@SuperKKig testpack]$ /usr/local/share/coreseek/bin/indexer -c etc/csft.conf –all
[SuperKKig@SuperKKig testpack]$ /usr/local/coreseek/bin/search -c etc/csft.conf 网络搜索

4、MYSQL数据库中文搜索测试
[SuperKKig@SuperKKig testpack]$ cd /usr/local/share/coreseek
[SuperKKig@SuperKKig coreseek]$ sudo cp ./etc/sphinx.conf.dist ./etc/sphinx.conf
[SuperKKig@SuperKKig coreseek]$ sudo vi ./etc/sphinx.conf
修改source 部分：
source document_content_src
sql_user = app
sql_pass = 12345 ###注意，密码不能有特殊符号，原来的密码是12345 %$#@! ， ###建立索引报错：ERROR: index 'posts_content_index': ###sql_connect: Access denied for user ' ###app'@'localhost' (using password: YES) ###(DSN=mysql://app:***@localhost:3306/futureWeb_allan).
sql_db = test
sql_query_pre = SET NAMES utf8

修改index部分：
index document_content_index
source = document_content_src
path = /usr/local/share/coreseek/var/data/document_content_src
docinfo = extern
mlock = 0
morphology = none

# stopwords
min_word_len = 1
charset_type = zh_cn.utf-8
charset_dictpath = /usr/local/share/mmseg3/etc/
ngram_len = 0
html_strip = 0

导入数据：在mysql命令行中输入：
mysql> source /home/SuperKKig/example-chiese (主键为integer).sql

创建索引之前 先看看查询的守护进程是否存在
[SuperKKig@SuperKKig coreseek]$ sudo ps -ef |grep searchd
如果有记录，停止该进程(kill也可以)
[SuperKKig@SuperKKig coreseek]$ sudo ./bin/searchd -c /usr/local/share/coreseek/etc/sphinx.conf --stop
[SuperKKig@SuperKKig coreseek]$ sudo /usr/local/share/coreseek/bin/indexer --config /usr/local/share/coreseek/etc/sphinx.conf –all
索引创建成功后，开启查询的守护进程
[SuperKKig@SuperKKig coreseek]$ sudo /usr/local/share/coreseek/bin/searchd -c /usr/local/share/coreseek/etc/sphinx.conf
检索测试
[SuperKKig@SuperKKig coreseek]$ /usr/local/share/coreseek/bin/search -c /usr/local/share/coreseek/etc/sphinx.conf 我
输出结果
using config file '/usr/local/share/coreseek/etc/sphinx.conf'...

index 'document_content_index': query '我 ': returned 2 matches of 2 total in 0.000 sec