php，mysql搜索网站

Question

我需要一个搜索引擎来建立我正在建设的网站。我决定尝试自己使用php和mysql。目前看来可行的选择是创建三个表。

一个用于单词，一个用于页面，一个用于参考表。然后，当我插入一篇新文章时，我会扫描文本并将单独的单词放在单词表中，并在第三个表格中引用这些单词。

最后进行搜索。脚本应该返回给定单词的索引最多的单词。

然而，看起来这种方法只能返回结果，具体取决于关键字的数量。文章中使用的关键字越多，它在结果页面上显示的越高。因此，关键字较少的文章可能与搜索更相关，但会在结果中放置较低。

问题是有没有更好的方法来使用php / mysql创建自定义搜索引擎？此外，如果您无法访问服务器以安装像Sphinx这样的搜索引擎，那么解决此问题的最佳方法是什么？

Answer 1

我以相同的方式构建了一个搜索引擎，但我构建了一个交叉表，将每个单词链接到它出现的每个页面。在该表中，我还存储了单词出现在页面中与页面长度相关的次数。我计算了你是否喜欢，页面上单词的百分比是那个单词。 这样可以更轻松地将权重应用于搜索结果。 但不幸的是，很难确定页面在其他方面是否更具相关性。 Google会使用一些技巧，例如页面上两个关键字之间的距离。如果它们彼此接近，它们可能是相关的。如果页面中的关键字较高，则可能更重要，依此类推。

但是，谷歌使用完全不同的数据库结构，这种结构更适合这类查询。在MySQL中构建它可能很难。

您可以尝试MySQL的FullText索引对您有任何帮助。它为您的页面编制索引，您可以使用MATCH查询，该MATCH返回每行的分数。我不确切知道那里使用了什么公式，但它看起来很聪明。

如果您的所有网页都是公开的，您可能需要考虑使用Google自定义搜索等。它会为你节省很多时间。

Answer 2

正如其他人所建议的那样，不要自己动手; SQL不适合搜索。我们使用Solr PHP客户端库基于Solr的系统。你将获得更好的性能，支持更强大的布尔查询（例如，这个和那个AND（这个或那个）等），通过Tika等在文档中搜索（例如pdf，word，xls等）。

• http://lucene.apache.org/solr/
• http://code.google.com/p/solr-php-client/

如果您想抓取自己的网站，也可以查看nutch。

• http://nutch.apache.org/

Answer 3

不要浪费你的时间，去谷歌自定义搜索http://www.google.com/cse/

Answer 4

I Second El Yobo，如果你想要一个完整的搜索引擎，你会有更好的运气与lucene客户，但如果你正在寻找一个快速的解决方案google cse是最好的。