用PHP编写的文章搜索引擎

Question

我在我的网站上使用Sphinx作为搜索引擎，它的表现非常出色，我没有任何抱怨。唯一的缺点是，它不允许我搜索长度超过15个单词的文章。我知道实际上人们不会使用超过3-4个单词，但我希望用它来查找重复内容。

我想知道是否有任何替代方案可以取代Sphinx。我想解决重复内容的问题。

我的主要文章表在InnoDB中，但我也将文章缓存到MyISAM表中进行全文搜索。但是当我搜索一篇文章时，它需要很长时间才能完成一次搜索。我认为这不是查询的问题，而是因为MySQL缺乏全文搜索功能。

谢谢 Jason

- Jason

---

你想构建什么样的查询来帮助你查找重复内容？ - Cam

FYI，"too many keywords" 的限制在最新版本的 Sphinx 中已经被移除。 - user187291

@stereofrog 不是的，我在Windows和CentOS上运行最新版本的Sphinx。 - Jason

Answer 1

Apache Solr是一种替代方案。它基于Apache的Lucene项目...

你可能也想要检查Lucene。

另外，由于你正在使用MySQL，请检查其全文搜索功能MySQL全文搜索。

- mote

---

@stereofrog 你说得对。我使用的是旧版的php api，所以它不允许我使用完整的查询。谢谢。 - Jason

Answer 2

同时也可以查看Zend_Search_Lucene：http://framework.zend.com/manual/en/zend.search.lucene.html

虽然比Sphinx慢一些。

- Richard Knop

Answer 3

也许不是很有帮助，但您可以简单地为MySQL字段添加唯一索引以防止插入重复数据？

在我使用的Sphinx版本（0.9.9）中，我还没有遇到任何查询长度限制，但也许我还没有尝试得够多。

- BMA

---

我试图找到抄袭内容，因此添加唯一字段不是一个好选择。我现在可以在Sphinx中插入完整的查询，但它经常崩溃 :( - Jason