创建自己的谷歌[用PHPdig[图形教程]

1.什么是PHPdig？PHPdig是国外非常流行的垂直搜索引擎产品(与其说它是一个产品，不如说它是一种与传统搜索引擎不同的搜索技术)。它是用PHP语言编写的，利用了PHP程序的高效率，大大提高了搜索响应速度。它可以像谷歌或百度等搜索引擎一样搜索互联网。搜索内容除普通网页外，还包括txt、doc、xls、pdf等文件，具有强大的内容搜索和文件分析功能。PHPdig和传统搜索引擎一样，包括以下三个基本技术：1。蜘蛛技术；2.Web结构化信息抽取技术或元数据收集技术；3.分词和索引技术不同于传统的搜索引擎。PHPdig适用于专业化程度更强、层次更深的个性化搜索引擎，是构建某一领域垂直搜索引擎的最佳选择。二、这个PHPdig怎么弄？PHPdig为免费产品(需要版权)，最新版本为phpdig-1.8.9。为了避免Apache和MYSQL之间的兼容性问题，建议采用较低的版本，其网址为http://www.phpdig.net，下载地址为http://www.phpdig.net/navigation.php? Action=download解释一下，我尝试过phpdig-1.8.9，但是问题很多，使用PHPdig-1.8.8问题会少一些。三、具体步骤1。获取产品访问http://www.phpdig.net/navigation.php?行动=下载下载PHPdig-1.8.8到桌面，解压到Apache服务器的html目录。一般路径是D:\usr\www\html\。(如果没有安装Apache服务器，请提前安装。建议使用Mappm-Server v1.1.9 Final，Mappm-Server安装方式比较糊弄，简单方便。2.运行并配置PHPdig数据库，打开浏览器输入http://localhost/phpdig/并按回车键。该页面列出了PHPdig的所有文件和包含的文件夹。搜索后发现没有默认的首页文件(默认，索引)。如果您单击search.php文件，您将收到一条错误消息：无法连接到数据库3360。请检查连接脚本。提示无法完成数据库连接。本来我们还没有完成PHPdig的数据库配置。回到管理目录找到install.php文件，然后单击运行。初看全英文界面(解释一下，目前所有版本的PHPdig都不支持中文界面)无所谓。如果你有中文经验，你可以自己用中文。这是我自己的中文cn-language.php文档的下载(请复制到本地目录)。此外，您需要在includes目录中修改config.php文件(语言修改)和style.css文件(字体修改和样式修改)。进入install.php后，系统要求我们输入PHPdig管理的用户名和密码，默认为admin。进入后，出现如下界面(本地化后):。

(图1)需要提供的信息如下：如果是本地测试，请输入默认服务器名localhost(localhost是Mappm-Server下的默认服务器名，也就是mysql的默认服务器名，Mappm-Server是用mysql数据库构建的)。默认情况下，数据库服务器端口为3126，可以留空。默认情况下，数据库的sock协议为空，用户名为root(默认用户名root(Mappm-Server)，密码为您在安装Mappm-Server时输入的用户密码，phpdig数据库名称默认为PHPdig，可以随意修改。同时，您可以在数据库中为数据表添加前缀，默认情况下它是空的。如果您想上传到连接到互联网的网络服务器，请向服务器提供商询问mysql服务器的名称或IP地址、数据库服务器端口、sock协议、用户名、密码等。数据库名称和数据表前缀的设置同上。至于右边的四个单选按钮，可以第一次使用(安装)，选择默认的“创建数据库”确认以上信息正确，然后点击安装按钮。如果数据库连接不成功，系统将提示您错误消息“无法连接到数据库”。如果数据库连接成功，将直接跳转到如下图所示的管理页面：。

(图2) 3。界面区介绍区1为文本输入区，默认文本有三行，均以http开头。一看就知道要在这里输入想要蜘蛛的网站的网址(建议一次只能有一个蜘蛛的网站)。区域2是蜘蛛选项，搜索深度指的是蜘蛛到这个网站的几级目录，每页的链接数指的是为一个网页抓取的以下链接网页的最大数量。默认都是0，表示这个站点的蜘蛛。3.该区域显示数据库的状态信息，包括已被蜘蛛的网站、关键词、索引以及被蜘蛛的网站信息等。区域4是一个下拉列表框，列出了蜘蛛网站的网址。选择其中一个站点，您可以在区域5中清除并更新它。区域5不仅为区域4中的选定站点提供清除和更新操作，还提供相关的统计信息输入和蜘蛛控制。4.针对特定站点运行spider。如果你对天机软件频道的内容感兴趣，可以做一个比谷歌更专业的搜索引擎来搜索天机软件的内容。你的搜索引擎会比谷歌更全面更深入。我们以蜘蛛天机软件频道的内容为例，介绍一下蜘蛛作为网站的使用方法。1)在图2的区域1中输入http://soft.yesky.com，搜索深度和每页的链接数默认保持为0。2)点击蜘蛛按钮，页面跳转到蜘蛛信息页面，程序开始自动蜘蛛网站http://soft.yesky.com的内容。注意：蜘蛛网站的进程很慢。如果网站包含的内容太多，这个过程可能会持续几个小时到一天，但您不必担心脚本运行超时，因为系统的超时时间设置为最多48小时。在此过程中，您还可以中断蜘蛛程序，并重新启动蜘蛛程序尚未完成运行的网站。需要注意的是，如果在这个过程中不小心关闭了spider运行页面，但实际上系统并没有停止spider，它仍然在消耗系统资源。您可以重新打开蜘蛛页面并单击停止蜘蛛链接来释放系统资源。

(图3) 5。经过PHPdig一段时间的搜索，spider程序的结果是将http://soft.yesky.com网站上的信息抓取到服务器数据库中，主要是对方内容的标题信息、关键词信息和页面地址信息。这时，你可以通过访问search.php进行搜索。

(图4)可以选择显示的搜索结果数量，模糊搜索或精确搜索，可以选择搜索某个网站。默认情况下，搜索所有已被蜘蛛的网站。

(图5)上图为“QQ2006”的搜索结果页面。6.存在的问题由于PHPdig的语言设置问题、系统的分词问题以及MYSQL数据库的字符处理问题，PHPdig的中文词汇搜索还存在很多不确定因素，需要进一步解决和改进。欢迎对此感兴趣的朋友访问网页上的Taoba -PHPdig主题社区进行讨论。