sphinx全文檢索之PHP使用教程

coreseek/api目錄下提供了PHP的接口文件 sphinxapi.php，這個文件包含一個SphinxClient的類

在PHP引入這個文件，new一下

$sphinx = new SphinxClient(); sphinx的主機名和端口 $sphinx->SetServer ( 'localhost', 9312 ); 設置返回結果集爲php數組格式 $sphinx->SetArrayResult ( true ); 匹配結果的偏移量，參數的意義依次爲：起始位置，返回結果條數，最大匹配條數 $sphinx->SetLimits(0, 20, 1000); 最大搜索時間 $sphinx->SetMaxQueryTime(10); 執行簡單的搜索，這個搜索將會查詢全部字段的信息，要查詢指定的字段請繼續看下文 $index = 'email' 
索引源是配置文件中的 index 類，若是有多個索引源可以使用,號隔開：'email,diary' 或者使用'*'號表明所有索引源 $result = $sphinx->query ('搜索關鍵字', $index); echo '<pre>'; print_r($result);echo '</pre>';

$result是一個數組，其中

total是匹配到的數據總數量

matches是匹配的數據，包含id，attrs這些信息

words是搜索關鍵字的分詞

 你可能奇怪爲何沒有郵件的內容這些信息，其實sphinx並不會返回像mysql那樣的數據數組，由於sphinx原本就沒有記錄完整的數據，只記錄被分詞後的數據。

具體還要看matches數組，matches中的ID就是指配置文件中sql_query SELECT語句中的第一個字段，咱們配置文件中是這樣的

sql_query                = SELECT emailid,fromid,toid,subject,content,sendtime,attachement FROM email

因此matches中的ID是指emailid

至於weight是指匹配的權重，通常權重越高被返回的優先度也最高，匹配權重相關內容請參考官方文檔

attrs是配置文件中sql_attr_    中的信息，稍後會提到這些屬性的用法

 

說了這麼多，即便搜索到結果也不是咱們想要的email數據，但事實sphinx是不記錄真實數據的，因此要獲取到真實email數據還要根據matches中的ID去搜索mysql的email表，但整體來講這樣一來一回的速度仍是遠遠比mysql的LIKE快得多，前提是幾十萬數據量以上，不然用sphinx只會更慢。

 

接下來介紹sphinx一些相似mysql條件的用法

//emailid的範圍 $sphinx->SetIdRange($min, $max); //屬性過濾，可過濾的屬性必需在配置文件中設置sql_attr_ ，以前咱們定義了這些 sql_attr_uint = fromid sql_attr_uint = toid sql_attr_timestamp = sendtime //若是你想再次修改這些屬性，配置完成後記得從新創建索引才能生效 /指定一些值 sphinx->SetFilter('fromid', array(1,2)); //fromid的值只能是1或者2 //和以上條件相反，可增長第三個參數 $sphinx->SetFilter('fromid', array(1,2), false); //fromid的值不能是1或者2 //指定一個值的範圍 $sphinx->SetFilterRange('toid', 5, 200); //toid的值在5-200之間 //和以上條件相反，可增長第三個參數 $sphinx->SetFilterRange('toid', 5, 200, false); //toid的值在5-200之外 //執行搜索 $result = $sphinx->query('關鍵字', '*');

 

排序模式

可以使用以下模式對搜索結果排序：

SPH_SORT_RELEVANCE 模式, 按相關度降序排列（最好的匹配排在最前面）

SPH_SORT_ATTR_DESC 模式, 按屬性降序排列 （屬性值越大的越是排在前面）

SPH_SORT_ATTR_ASC 模式, 按屬性升序排列（屬性值越小的越是排在前面）

SPH_SORT_TIME_SEGMENTS 模式, 先按時間段（最近一小時/天/周/月）降序，再按相關度降序

SPH_SORT_EXTENDED 模式, 按一種相似SQL的方式將列組合起來，升序或降序排列。

SPH_SORT_EXPR 模式，按某個算術表達式排序

//使用屬性排序 //以fromid倒序排序，注意當再次使用SetSortMode會覆蓋上一個排序 $sphinx->SetSortMode ( "SPH_SORT_ATTR_DESC", 'fromid'); //若是要使用多個字段排序可以使用SPH_SORT_EXTENDED模式 //@id是sphinx內置關鍵字，這裏指emailid，至於爲何是emailid，本身思考一下 $sphinx->SetSortMode ( "SPH_SORT_ATTR_DESC", 'fromid ASC, toid DESC, @id DESC'); //執行搜索 $result = $sphinx->query('關鍵字', '*'); //更多請查看官方文檔排序模式的說明

 

 

匹配模式

有以下可選的匹配模式：

SPH_MATCH_ALL, 匹配全部查詢詞(默認模式);

SPH_MATCH_ANY, 匹配查詢詞中的任意一個;

SPH_MATCH_PHRASE, 將整個查詢看做一個詞組，要求按順序完整匹配;

SPH_MATCH_BOOLEAN, 將查詢看做一個布爾表達式 

SPH_MATCH_EXTENDED, 將查詢看做一個CoreSeek/Sphinx內部查詢語言的表達式 . 從版本Coreseek 3/Sphinx 0.9.9開始, 這個選項被選項SPH_MATCH_EXTENDED2代替，它提供了更多功能和更佳的性能。保留這個選項是爲了與遺留的舊代碼兼容——這樣即便Sphinx及其組件包括API升級的時候，舊的應用程序代碼還可以繼續工做。

SPH_MATCH_EXTENDED2, 使用第二版的「擴展匹配模式」對查詢進行匹配.

SPH_MATCH_FULLSCAN, 強制使用下文所述的「完整掃描」模式來對查詢進行匹配。注意，在此模式下，全部的查詢詞都被忽略，儘管過濾器、過濾器範圍以及分組仍然起做用，但任何文本匹配都不會發生.

咱們要關注的主要是SPH_MATCH_EXTENDED2擴展匹配模式，擴展匹配模式容許使用一些像mysql的條件語句

//設置擴展匹配模式 $sphinx->SetMatchMode ( "SPH_MATCH_EXTENDED2" ); //查詢中使用條件語句，字段用@開頭，搜索內容包含測試，toid等於1的郵件： $result = $sphinx->query('@content (測試) & @toid =1', '*'); //用括號和&（與）、|、（或者）、-（非，即!=）設置更復雜的條件 $result = $sphinx->query('(@content (測試) & @subject =呃) | (@fromid -(100))', '*'); //更多語法請查看官方文檔匹配模式的說明

 

擴展匹配模式中值得一提的是搜索的字段，若是該字段被設置屬性，那麼擴展匹配搜索的字段默認是不包含這些屬性的，只能用SetFilter()或者SetFilterRange()之類

以前咱們設置了fromid、toid、sendtime爲屬性，但又想在擴展匹配模式中又想用做條件該怎麼辦？

只要在sql_query語句中再選擇多一次該字段就能夠了

sql_query                = SELECT emailid,fromid,fromid,toid,toid,subject,content,sendtime,sendtime,attachement FROM email

//設置完成記得從新創建索引

 

 

更多條件技巧

只是一些技巧，但不建議使用的部署環境中，至於爲何，請看文章結尾

<、<=、>、>=

默認sphinx沒有這些比較符。

假如我想郵件的發送時間大於某一日期怎麼辦？用SetFilterRange()方法模擬一下

 

 /大於等於某一時間截$time $sphinx->SetFilterRange('sendtime', $time, 10000000000) //時間截最大是10個9，再加1是不可超越了。。 //大於某一時間截$time $sphinx->SetFilterRange('sendtime', $time+1, 10000000000) /小於等於某一時間截$time $sphinx->SetFilterRange('sendtime', -1, $time) //時間截最小是0，因此應該減1 //大於某一時間截$time $sphinx->SetFilterRange('sendtime', -1, $time - 1)

IS NOT NULL

怎樣搜索爲空的字段，好比我要搜索附件爲空的郵件，有人可能會想 @attachment ('')不就能夠了嗎？其實這是搜索兩個單引號。。。sphinx搜索的字符串不用加引號的

目前sphinx是沒有提供這樣的功能，其實能夠在mysql語句上做手腳：

sql_query                = SELECT emailid,fromid,toidsubject,content,sendtime,attachement != '' as attach is not null FROM email //這裏返回了一個新字段attachisnotnull，當attachisnotnull爲1的時候附件就不爲空了

//設置完成記得從新創建索引

FIND_IN_SET()

搜索包含某一附件的郵件，mysql習慣用FIND_IN_SET這麼簡單一句就搞定了，在sphinx中必需在配置裏設置屬性sql_attr_multi 多值屬性（MVA）：

sql_attr_multi    = attachment    #attachment能夠是逗號分隔的附件ID，或者是空格、分號等sphinx都能識別

//設置完成記得從新創建索引

  而後PHP中能夠使用SetFilter()

//搜索包含附件ID爲1或2郵件，mysql語法是這樣FIND_IN_SET(`attachment`, '1,2') $sphinx->SetFilter('attachment', array(1,2)) //能夠使用SetFilterRange，搜索包含附件ID在50-100範圍的郵件 $sphinx->SetFilterRange('attachment', 50, 100)

總結

若是你想一個免費、好用、極速的全文搜索引擎，sphinx無疑是最好的選擇，可是不要忘記sphinx的目的：全文檢索。不要去想那些亂七八糟條件。你想要把sphinx搜索變得像mysql那樣靈活，可徹底單獨用在一些複雜的多條件搜索，像某些郵件的高級搜索，那麼我建議你仍是多花點時間在PHP或者mysql代碼的優化上，由於那樣可能會讓你的搜索變得更慢。

最好的方法是以最簡單的方法搜索到內容，將ID交還mysql數據庫搜索。