Znacie Lucynę? Podobno jest najlepsza w tym co robi. Jeśli wykażemy się odrobiną cierpliwości i zrozumienia, jest w stanie zrobić dla nas dosłownie wszystko. Można się spotkać z niepochlebnymi uwagami kierowanymi pod jej adresem, jednak kilka godzin spędzonych razem pozwoliło mi uznać te opinie za mocno przesadzone. Wprawdzie poznanie jej zajmuje sporo czasu i dopasowanie się do jej humorów nie należy do najprzyjemniejszych doświadczeń, warto jednak się poświęcić, ponieważ zaowocuje to w przyszłości.
Kim jest Lucyna?
Lucyna, a dokładniej rzecz ujmując, Zend_Search_Lucene, jest silnikiem wyszukiwania w całości napisanym w PHP. Wywodzi się z projektu Apache Lucene, jednak niewiele ma z nim wspólnego. Pozwala ona na indeksowanie różnych treści do postaci wspólnego indeksu, na którym później można wykonywać zapytania zwracające pożądane treści.
Pierwsze spojrzenie
Wszystko zaczyna się od stworzenia indeksu.
$index = Zend_Search_Lucene::create('/sciezka/do/indeksu');
We wskazanej lokalizacji przechowywane będą zaindeksowane dane. Powyższy kod wystarczy wykonać tylko raz, ponieważ jak już indeks zostanie stworzony, możemy się do niego odwoływać jedynie przy pomocy metody open.
$index = Zend_Search_Lucene::open('/sciezka/do/indeksu');
Kolacja przy świecach
Utworzony wcześniej indeks możemy wypełnić dokumentami. Dokument stanowi najmniejszy element indeksu. Można go porównać do pojedynczego wiersza w tabeli w bazie danych. Podobnie jak wiersz, składa się on z pól przechowujących konkretne informacje. Jeśli zaindeksujemy listę filmów, wówczas pojedynczy dokument będzie odpowiadał jednemu filmowi, a pola szczegółom tego filmu, np. tytuł, reżyser, rok produkcji, itd.
W przypadku Zend_Search_Lucene każde pole dokumentu posiada własny typ. Dostępnymi typami są:
- keyword – pole o takim typie przechowywane jest w indeksie w takiej formie, w jakiej do niego trafi. Nie podlega procesowi tokenizacji, dlatego najlepiej nadaje się do przechowywania dat, adresów url, liczb, identyfikatorów, itp.
- text – idealne do przechowywania informacji tekstowych
- binary – służą do przechowywania danych binarnych, np ikona, załącznik
- unindexed – pola służące jako pojemniki na dane, które nie mogą być wyszukiwane, ale powinny zostać zwrócone w wynikach wyszukiwania
- unstored – dane dodane do pola oznaczonego tym typem nie są przechowywane w indeksie, ale nadal można je przeszukiwać. Idealnie nadaje się do indeksowania obszernych tekstów. W przypadku tego pola, rzeczywiste dane musimy pobrać z zewnętrznego źródła danych. Indeks przechowuje tylko informacje, że taka dana istnieje.
Tworzenie dokumentów i uzupełnianie ich danych jest niezwykle proste.
$index = Zend_Search_Lucene::open('/sciezka/do/indeksu');
$doc = new Zend_Search_Lucene_Document();
$doc->addField(Zend_Search_Lucene_Field::keyword('data_dodania', '2011-02-03'));
$doc->addField(Zend_Search_Lucene_Field::text('tytul', 'Hello world!'));
$doc->addField(Zend_Search_Lucene_Field::unStored('tresc', 'duzo tekstu...'));
$doc->addField(Zend_Search_Lucene_Field::unIndexed('komentarz_autora', 'jest dobrze'));
$index->addDocument($doc);
Jeśli chcielibyśmy zaindeksować większą ilość danych, wystarczy, że nowe dokumenty będziemy tworzyć i dodawać do indeksu w pętli iterującej po tych danych.
Bliższe poznanie
Stworzyliśmy indeks, wypełniliśmy go danymi, pora na wyszukiwanie. W tej dziedzinie Lucyna jest wyjątkowo elastyczna i oferuje szereg zabawek do przeszukiwania indeksu. Począwszy od parsowania przekazanego ciągu na dedykowanych klasach kończąc.
Zacznijmy od parsowania. W tym wariancie Lucyna zdaje się w zupełności na doświadczenie osoby korzystającej z wyszukiwarki.
Czytaj dalej tutaj (rozwija treść wpisu)
Czytaj dalej na blogu autora...
Zwiń
Czytaj na blogu autora...
Kanał ATOM
