开源项目搭建中国裁判文书网本地搜索WEB系统

2023年12月听新闻说裁判文书网将不再对公众开放，对于这个消息对于中国法制进程影响可谓深远。

今天在github上看到一个开源项目，中国裁判文书网本地搜索，处于好奇在本地搭建试一下，能否跑起来。

https://github.com/cncases/cases

下载原始数据（102G）

方法：通过bt下载，种子文件为 810air.torrent ，可以从本仓库下载，也可以通过链接 https://files.catbox.moe/810air.torrent

原始数据来源于马克数据网，文书数量超过8500万，约102G。下载后不要解压子文件，将文件路径填写到 config.toml 中的 raw_data_path 变量中；

我这边用迅雷下载，大概95G

下载程序并创建配置文件

从 releases 页面下载已编译好的二进制文件（推荐），https://github.com/cncases/cases/releases

我用的系统是windows，所以下载的是 v0.0.5-x86_64-pc-windows-msvc.zip

测试系统配置

系统： windows11 专业版

CPU: i5-10400F CPU @ 2.90GHz

内存：24G

硬盘： 1T机械硬盘 (至少要有500G的空余空间)

配置文件

参考配置文件： https://github.com/cncases/cases/blob/main/config.toml

配置文件参考config.toml

db = "./rocksdb"  # path to store rocksdb
index_path ="./search_index"  # path to store index
index_with_full_text = false  # whether establish full-text index
addr = "127.0.0.1:8081" # If allow LAN access, change it to "0.0.0.0:port".

# The raw data path you downloaded from the torrent, and you must NOT unzip it. 注意路径
raw_data_path = "./"

将数据加载到 rocksdb 数据库中

运行 convert config.toml 程序。此过程会将原始数据放入 rocksdb 数据库中，数据库文件路径为 config.toml 中的 db 变量；转换后的数据大小约为 200G，转换可能会花费数小时的时间；如果中途中断，再次运行会从中断处继续。

$ ./convert.exe config.toml

系统资源占用情况

开始时间： 14:30

结束时间：17:00

一共两个半小时，根据个人系统配置高低有关系。

生成rocksdb目录有184G大小。

创建索引

运行 index config.toml 程序会将数据库中的数据创建索引，索引文件路径为 config.toml 中的 index_path 变量；如果中途中断，需要删除 index_path 中的文件，重新运行 index 程序；默认情况下，不会索引案件内容，索引大小约为 15.5G，可能会花费数小时的时间。如果需要索引案件内容，需要将index.toml中的 index_with_full_text 设置为 true，但是这会使索引文件增加到150G左右，索引时间也会增加到十几个小时。

$ ./index.exe config.toml

开始时间： 2024-01-30 09:07:18
结束时间： 2024-02-01 03:14:18

一共花费了70多个小时

生成search_index目录有15.4G大小。

运行搜索服务

运行 main config.toml 程序，用浏览器打开config.toml网址，即可搜索。

$ ./main.exe config.toml
2024-02-01T05:38:57.369799Z  INFO main: listening on http://127.0.0.1:8081

浏览器访问： http://127.0.0.1:8081

访问截图

至此，开源项目搭建中国裁判文书网本地搜索WEB系统完成。