oohcode

$\bigodot\bigodot^H \rightarrow CODE$

中文搜索引擎coreseek的安装使用

项目中原来使用的是solr,由于solr是java写的，团队中没有java的经验，并且原来维护的人离职了，所以改用sphinx search来做项目的内部检索服务，由于中文的特殊性，我们选择了coreseek这个基于sphinx的中文搜索引擎。但是好像这个好久没人维护了～一直停留在了4.1beta版本～

下载解压

源码下载地址oreseek-3.1-beta.tar.gz;
解压下载的文件,进入目录cd coreseek-4.1-beta;

安装中文分词库mmseg

  • cd mmseg-3.2.14/
  • ./bootstrap
  • ./configure --prefix=/usr/local/mmseg3
  • make && make install

如果你幸运的话，这时候会提示错误：

1
2
3
4
 
css/SynonymsDict.cpp:94: 错误：在 {} 内将‘239’从‘int’转换为较窄的类型‘char’  
css/SynonymsDict.cpp:94: 错误：在 {} 内将‘187’从‘int’转换为较窄的类型‘char’  
css/SynonymsDict.cpp:94: 错误：在 {} 内将‘191’从‘int’转换为较窄的类型‘char’

可能是编译器的要求太严格导致的，只有更改源码了：
将rc/css/SynonymsDict.cpp文件94行的代码char txtHead[3] = {239,187,191};改为如下的形式
1
2
3
4
char txtHead[3] = {}; 
txtHead[0] = (char)239;
txtHead[1] = (char)187;
txtHead[2] = (char)191;

再次运行make && make install会发现又出现了错误提示：
1
2
3
4
5
 
mmseg_main.cpp: In function ‘int segment(const char*, css::Segmenter*)’:
mmseg_main.cpp:254: 错误：在 {} 内将‘239’从‘int’转换为较窄的类型‘char’
mmseg_main.cpp:254: 错误：在 {} 内将‘187’从‘int’转换为较窄的类型‘char’
mmseg_main.cpp:254: 错误：在 {} 内将‘191’从‘int’转换为较窄的类型‘char’

同样的办法修改src/mmseg_main.cpp文件的254行char txtHead[3] = {239,187,191};为：
1
2
3
4
char txtHead[3] = {}; 
txtHead[0] = (char)239;
txtHead[1] = (char)187;
txtHead[2] = (char)191;

再次运行make && make install，终于成功了～
到这里mmseg就算安装成功了

安装coreseek

  • cd csft-4.1/
  • sh buildconf.sh
  • ./configure --prefix=/usr/local/coreseek --without-unixodbc --with-mmseg --with-mmseg-includes=/usr/local/mmseg3/include/mmseg/ --with-mmseg-libs=/usr/local/mmseg3/lib/ --with-mysql
  • make && make install

测试mmseg分词，coreseek搜索（需要预先设置好字符集为zh_CN.UTF-8，确保正确显示中文）

1
2
3
4
5
$ cd testpack
$ cat var/test/test.xml    #此时应该正确显示中文
$ /usr/local/mmseg3/bin/mmseg -d /usr/local/mmseg3/etc var/test/test.xml
$ /usr/local/coreseek/bin/indexer -c etc/csft.conf --all
$ /usr/local/coreseek/bin/search -c etc/csft.conf 网络搜索

上面是官方文档给的，需要说明的是，csft.conf是由sphinx.conf.dist复制而来的，里面的关于mysql的配置，自己按照实际情况修改。