一、什么是PHPdig？

　PHPdig是國外非常流行的垂直搜索引擎產(chǎn)品（與其說是產(chǎn)品，不如說是一項區(qū)別于傳統(tǒng)搜索引擎的搜索技術），采用PHP語言編寫，利用了PHP程序運行的高效性，極大地提高了搜索反應速度，它可以像Google或者Baidu以及其它搜索引擎一樣搜索互聯(lián)網(wǎng)，搜索內(nèi)容除了普通的網(wǎng)頁外還包括txt, doc, xls, pdf等各式的文件，具有強大的內(nèi)容搜索和文件解析功能。PHPdig同傳統(tǒng)的搜索引擎一樣，包含了以下三種最基本的技術：

　1．Spider技術

　2．網(wǎng)頁結構化信息抽取技術或元數(shù)據(jù)采集技術

　3．分詞、索引技術

　區(qū)別于傳統(tǒng)搜索引擎，PHPdig適用于專業(yè)化更強、層次更深的個性化搜索引擎，利用它打造針對某一領域的垂直搜索引擎是最好的選擇。

　二、如何獲得這PHPdig？

　PHPdig是免費產(chǎn)品（需要保留版權），最新版本是 phpdig-1.8.9 為了避免Apache以及MYSQL的版本兼容性問題，建議采用較低級的版本，其網(wǎng)站地址是：http://www.phpdig.net ，下載地址是：http://www.phpdig.net/navigation.php?action=download 說明一下，我試用過phpdig-1.8.9版本，但出現(xiàn)了很多問題，改用PHPdig-1.8.8則問題較少。

　三、具體步驟

　1.獲取產(chǎn)品

　訪問http://www.phpdig.net/navigation.php?action=download下載PHPdig-1.8.8至桌面，解壓縮至Apache服務器html目錄，一般路徑為：D:usrwwwhtml，（如果你沒有安裝Apache服務器請事先安裝，推薦使用Mappm-Server v1.1.9 Final，Mappm-Server 采用傻瓜式安裝，一次搞定，方便調試和運行 PHP/CGI+MySQL 程序）。

　2.運行并配置PHPdig數(shù)據(jù)庫

　打開瀏覽器輸入http://localhost/phpdig/按回車鍵，頁面列出PHPdig的所有文件及包含文件夾，找一找發(fā)現(xiàn)沒有默認首頁文件（default,index）,單擊search.php文件出現(xiàn)錯誤提示：Unable to connect to database : Check the connection script。提示無法完成數(shù)據(jù)庫連接，原來我們還沒有完成PHPdig的數(shù)據(jù)庫配置。返回進入admin目錄找到install.php文件，單擊運行，乍一看，全英文界面（說明一下，PHPdig目前所有版本均不支持中文界面），沒有關系，如果你有過漢化經(jīng)驗不妨自己動手將其漢化，這里提供一份我自己漢化的cn-language.php文檔的下載（請將其拷貝至locales目錄下）。另外你還需修改includes目錄下的config.php文件（語言修改）和style.css文件（字體修改和樣式修改）。

　進入install.php后系統(tǒng)要求我們輸入PHPdig管理用戶名和密碼，默認情況下均為admin，進入后出現(xiàn)如下界面（漢化后）：

（圖1）

　所需提供的信息有：

　如果你是在本地測試，請輸入默認情況下的服務器名稱localhost(localhost是Mappm-Server下的默認務服務器名稱，也就是mysql的默認服務器名稱，Mappm-Server內(nèi)置mysql數(shù)據(jù)庫)數(shù)據(jù)庫服務器端口默認為3126，可以不填，數(shù)據(jù)庫sock協(xié)議默認為空，用戶名默認為root（Mappm-Server默認用戶名），密碼是你在安裝Mappm-Server時輸入的用戶密碼，PHPdig數(shù)據(jù)庫名稱默認為phpdig，可任意修改，同時，你可以對數(shù)據(jù)庫中的數(shù)據(jù)表加前綴，默認為空。

　如果你要上傳到與Internet相連的web服務器請向服務器提供商索要mysql服務器的名稱或者IP地址以及數(shù)據(jù)庫服務器端口、sock協(xié)議、用戶名、密碼等，數(shù)據(jù)庫名稱以及數(shù)據(jù)表前綴的設置同上。

　至于右邊的四個單選按鈕，你可以視情況而定，初次使用（安裝）選擇默認的“建立數(shù)據(jù)庫”

　確認上述信息無誤后單擊安裝按鈕，如果連接數(shù)據(jù)庫不成功會提示“不能連接數(shù)據(jù)庫”的錯誤信息，如果數(shù)據(jù)庫連接成功則會直接跳入管理頁面如下圖：

（圖2）

　3. 界面區(qū)域介紹

　區(qū)域1是一個文本輸入?yún)^(qū)，默認文字有三行，都是以http開頭，大家一看就知道在這里輸入要spider的站點的網(wǎng)站地址（建議每次只spider一個網(wǎng)站）。

　區(qū)域2是spider選項，搜索深度是指對這個網(wǎng)站spider到幾級目錄，每頁鏈接數(shù)是指針對某個網(wǎng)頁最多抓取多少個下面的鏈接網(wǎng)頁。默認情況下都為0，指的是對這個站點進行全站spider。

　區(qū)域3顯示數(shù)據(jù)庫狀態(tài)信息，包括已經(jīng)spider的網(wǎng)站、關鍵詞、索引以及正在spider的站點信息等。

　區(qū)域4是一個下拉列表框，羅列出已經(jīng)spider的站點的網(wǎng)址，選中其中的一個站點，在區(qū)域5可以對其進行清除和更新操作。

　區(qū)域5不僅提供了對區(qū)域4中所選站點的清除和更新操作外，還提供了相關的統(tǒng)計信息入口和對spider的控制等。

　4. 針對特定站點運行spider

　如果你對天極軟件頻道的內(nèi)容很感興趣，你就可以做一個比google更專業(yè)的搜索引擎來搜索天極軟件的內(nèi)容，你的這個搜索引擎將比google更全面更深層次。下面我們以spider天極軟件頻道的內(nèi)容為例介紹一下如何spider一個網(wǎng)站。

　1）在圖2的區(qū)域1中輸入http://soft.yesky.com，搜索深度和每頁鏈接數(shù)都保持默認為0

　2）單擊spider按鈕，頁面跳轉到spider信息頁面，程序開始自動spider站點http://soft.yesky.com的內(nèi)容。

　注意：spider網(wǎng)站的過程非常緩慢，如果該網(wǎng)站內(nèi)容太多，這個過程可能會延續(xù)幾小時到一天，但你不必擔心腳本運行超時，因為系統(tǒng)的timeout時間被設置為最長達48小時。在這個過程中，你也可以中斷spider程序的運行，并能重新啟動spider程序運行未spider完的網(wǎng)站。需要注意的是若在這個過程中你不小心關閉了spider運行頁面，但事實上系統(tǒng)并沒有停止spider，仍在消耗系統(tǒng)資源。你可以重新打開spider頁面，點擊停止spider鏈接方可釋放系統(tǒng)資源。

（圖3）

　5. 利用PHPdig進行搜索

　經(jīng)過一段時間后，spider程序運行的結果是將http://soft.yesky.com網(wǎng)站上的信息抓取到服務器數(shù)據(jù)庫中，主要是對方內(nèi)容的title信息、關鍵詞信息和頁面地址信息等，此時，你就可以通過訪問search.php進行搜索了。

（圖4）

　你可以選擇搜索結果顯示的條數(shù)，可以選擇模糊查找還是精確查找，另外你可以選擇針對某個站點的搜索，默認情況下搜索已經(jīng)被spider的所有站點。

（圖5）

　上圖是搜索“QQ2006”的搜索結果頁面。

　6. 存在的問題

　由于PHPdig的語言設置問題、系統(tǒng)的分詞問題以及MYSQL數(shù)據(jù)庫的字符處理問題等，PHPdig對漢語詞匯的搜索還存在許多不確定因素，這些東西都有待我們進一步去解決和完善，歡迎廣大對此感興趣的朋友們到網(wǎng)頁陶吧-PHPdig主題社區(qū)進行探討。