sphinx中文分词coreseek在linux下的安装、配置以及使用方法（入门菜鸟级）

最近为公司的项目做分词搜索，于是安装coreseek。但是本人之前只是使用过，根本没有安装过呀，搞个JJ啊。没办法，牛B已经吹了，只能吹爆。

开始在网上找安装教程，发现其实就两篇可用，一篇是官网上的，但是他后面的配置讲得不全，另一篇的安装部分跟官网是一样的，但是他把后面的配置也讲了，于是开始安装，我的安装步骤如下：

1、安装支持的工具，（用yum非常方便，安装过程中如果碰到有什么Waring:xxxx not command这种的，可以直接 yum install xxx，哪里不会Y哪里，妈妈再也不用担心我的XX，哈哈。）

$ yum install make gcc g++ gcc-c++ libtool autoconf automake imake mysql-devel libxml2-devel expat-devel

2、下载coreseek安装包，官网一共三个版本，3.2 4.0 4.1，教程上安装的是3.2，不过因为我后期有问题，每个版本都安装过，所以
，经过我的测试，好象3.2生成索引有问题，也可能是我配置不对，我下载的是4.1的。
$ wget http://www.coreseek.cn/uploads/csft/4.0/coreseek-4.1-beta.tar.gz 或者http://www.coreseek.cn/uploads/csft/3.2/coreseek-3.2.14.tar.gz
或者http://www.coreseek.cn/uploads/csft/4.0/coreseek-4.0.1-beta.tar.gz

如果你的系统联上网，就会开始下载了。

下载完成后，解压

$ tar xzvf coreseek-3.2.14.tar.gz 或者 coreseek-4.0.1-beta.tar.gz 或者 coreseek-4.1-beta.tar.gz
$ cd coreseek-3.2.14 或者 coreseek-4.0.1-beta 或者 coreseek-4.1-beta

--------------------------------割那什么-------------------------------------------------------

安装mmseg
$ cd mmseg-3.2.14
$ ./bootstrap    #输出的warning信息可以忽略，如果出现error则需要解决
$ ./configure --prefix=/usr/local/mmseg3
$ make && make install
$ cd ..

安装coreseek
$ cd csft-3.2.14 或者 cd csft-4.0.1 或者 cd csft-4.1
$ sh buildconf.sh    #输出的warning信息可以忽略，如果出现error则需要解决
$ ./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
$ cd ..

配置MYSQL数据源
vi /usr/local/coreseek/etc/csft.conf
这里要说明一下的是，教程上的大哥的配置文件啊，虽然是对的，但是他里面没有索引中文字段，导致象我这种菜鸟最后没办法搜索中文，

找不到北，这也是为什么我说我三个版本都安装过的原因了。

为了避免象我这样的菜鸟重蹈我的复辙，我把我的配置文件摘录出来 source src1{          type = mysql          sql_host = localhost          sql_user = yuewanguser          sql_pass = 111111          sql_db = yuewang          sql_port = 3306          sql_query_pre = SET NAMES utf8          sql_query = SELECT goods_id,goods_name,cate_id,store_id,brand FROM yw_goods WHERE if_show=1 AND closed=0          sql_attr_uint = cate_id          sql_field_string = brand          sql_field_string = goods_name          sql_query_info_pre = SET NAMES utf8          sql_query_info =  SELECT goods_id,goods_name,cate_id,store_id,brand FROM yw_goods WHERE if_show=1 AND closed=0 AND goods_id=$id }  index src1{          source = src1          path = /usr/local/coreseek/var/data/src1/          docinfo = extern          mlock =0          morphology = none          min_word_len =1          html_strip =0          charset_type = zh_cn.utf-8         charset_dictpath = /usr/local/mmseg3/etc/          #charset-table = 0..9, A..Z->a..z, _, a..z, U+410..U+42F->U+430..U+44F, U+430..U+44F          #ngram_len = 1          #ngram_chars = U+3000 ..U+2FA1F } indexer{          mem_limit = 128M }  searchd{          listen = 9312          read_timeout =5          max_children = 1000          max_matches = 10000          seamless_rotate = 1          preopen_indexes = 1          unlink_old = 1          pid_file = /usr/local/coreseek/var/log/searchd_rtindex.pid          log = /usr/local/coreseek/var/log/searchd_rindex.log          query_log = /usr/local/coreseek/var/log/query_rtindex.log }[code]这里要注意一点的是，在数据源src1当中，字符串字段的声明，一定要用sql_field_string，这样声明才会被搜索，不能用sql_attr_string，这样声明的，会被索引出来，但是不会被用来搜索，就是因为
教程里没有这样的声明，导至我用的
sql_attr_string，一直没办法搜索到结果，绕了很久，慢慢看手册，才发现这个。。。。老鸟略过哈，这都是菜鸟的辛酸泪。

其他配置说明：
a. source是配置数据源，按照提示输入MYSQL的主机、帐号、密码和数据库即可，我的MYSQL就安装在本机上（MYSQL的安装可自行百度）

b. sql_query_pre是在执行查询之前执行的SQL语句。（注意：在coreseek只能识别utf8字符集编码，所以我们要执行转换一下）
c. sql_query是要查询进行索引的SQL语句，sql_attr_unit和sql_attr_timestamp是设置属性的，属性在全文检索中可以用来设置过滤和排序。
d. index和source应该是成对出现，index就是配置索引的功能（我们还可以配置多个索引 主索引+增量索引的功能）
e. searchd是常驻进程的全文检索服务，默认监控本机的9312端口
f. charset_type和charset_dictpath是中文分词配置

配置文件写好以后，就可以索引了，来吧BABY，COME ON BABY
$  /usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft.conf --all

如果没有什么报错啊，警告啊，失败啊，LOCK啊之类的信息，那么索引就生成成功了。
这个时候肯定有人问，万一有什么报错啊，警告啊，失败啊，LOCK啊之类的信息出现了怎么办怎么办呀，唉呀不得了啦，我是没出现啊，所以我也不知道怎么办呀。。。。
PS：把报错信息复制出来，google一下，百度一下，一般都有文章可以解决的。
正常情况的显示一般大概也许可能是
Coreseek Fulltext 3.2 [ Sphinx 0.9.9-release (r2117)]
Copyright (c) 2007-2010,
Beijing Choice Software Technologies Inc (http://www.coreseek.com)

using config file 'etc/csft.conf'...
indexing index 'xml'...
collected 3 docs, 0.0 MB
sorted 0.0 Mhits, 100.0% done
total 3 docs, 7585 bytes
total 0.075 sec, 101043 bytes/sec, 39.96 docs/sec
total 2 reads, 0.000 sec, 5.6 kb/call avg, 0.0 msec/call avg
total 7 writes, 0.000 sec, 3.9 kb/call avg, 0.0 msec/call avg

开启服务
$  /usr/local/coreseek/bin/searchd -c /usr/local/coreseek/etc/csft.conf
同样的，有报错等杂七杂八的信息就解决一下，
正常情况的显示一般大概也许可能是
Coreseek Fulltext 3.2 [ Sphinx 0.9.9-release (r2117)]
Copyright (c) 2007-2010,
Beijing Choice Software Technologies Inc (http://www.coreseek.com)

using config file 'etc/csft.conf'...
listening on all interfaces, port=9312

启动好之后，就可以测试啦。哦对了，各位同学配置的表中要有数据哈，整点中文的。

先找到安装包里面的接口文件，coreseek-4.1-beta/testpack/api，在这个下面，小弟的项目是PHP的，所以我就拿sphinxapi.php，放到项目中，为了方便大家，我把我的测试代码也贴出来。

header("Content-type: text/html; charset=utf-8");
include($_SERVER['DOCUMENT_ROOT']."/sphinx/sphinxapi.php");
$cl = new SphinxClient();
$cl->SetServer("192.168.1.200",9312);
$cl->SetArrayResult(true);
$cl->SetLimits(0,100);
$keyword = "波音飞机博物馆";
$keyword=iconv('gbk','utf-8',$keyword);//Coreseek 的中文分词目前只接受utf-8的中文编码  
$cl->SetMatchMode(SPH_MATCH_ANY);
$cl->SetRankingMode ( SPH_RANK_PROXIMITY_BM25 );
$cl->SetFieldWeights (array('goods_name'=>1,'brand'=>2));
$result = $cl->Query($keyword, 'src1');
//处理$result
$matches = isset($result['matches']) ? $result['matches'] : '';
print_r($result);

这样，搜索就完成了
但是呢，工作还没完，还有一点，就是要做一个自动索引的计划任务，不然有新的记录增加怎么办呀，不可能每次手动去执行吧。
还记得索引的命令
/usr/local/coreseek/bin/indexer -c  /usr/local/coreseek/etc/csft.conf --all

现在，开始做计划任务
$ crontab -e
按i，增加一条
*/20 * * * * root /usr/local/coreseek/bin/indexer -c /usr/local/coreseek/etc/csft.conf --all --rotate
参数--rotate的作用是可以在不停止服务的情况下索引。
对了，计划任务记得开启服务
$ /sbin/service crond start
OK，整个流程完毕，希望可以帮到象我这样的初学者，也请各位老鸟匆喷。

查询
/usr/local/coreseek/bin/search "波音飞机博物馆"
[/code]