基于轻量级php搜索sphider站内搜索安装说明

时间:2020-08-06
浏览:1566
来源:无双科技

安装

1. 解压缩文件，然后将它们复制到服务器，例如，复制到

/ home / youruser / public_html / sphider （后称为[path_of_sphider]）。

2. 在服务器中，在MySQL中创建一个数据库来保存Sphider数据。

a）在命令提示符下键入（登录MySQL）：

mysql -u <您的用户名> -p 出现提示时输入密码。

b）在MySQL中，键入：

CREATE DATABASE sphider;

当然，您可以为数据库使用其他名称代替 sphider 。

c）使用 exit 退出MySQL。

有关如何创建数据库以及授予/获取必要权限的更多信息，请访问 MySQL.com。

3. 在设置目录中，编辑 database.php 文件，然后更改 $ database ， $ mysql_user ， $ mysql_password 和 $ mysql_host 以更正值（如果您不知道 $ mysql_host 应该是什么，它应该保持原样 -'localhost '）。

4. 在浏览器中打开 install.php 脚本（管理目录），这将创建Sphider操作所需的表或者可以使用Sphider发行版的sql目录中给出的tables.sql脚本手动创建表。在提示符下，键入 mysql -u <您的用户名> -p sphider_db <[sphider的路径] /sql/tables.sql

5. 在 admin 目录中，编辑 auth.php 以更改管理员用户名和密码（默认值为'admin'和'admin'）。

6. 在浏览器中打开 admin / admin.php 并开始建立索引。

7. search.php 是默认的搜索页面。

索引选项

完整：继续进行索引编制，直到没有其他可允许的链接为止。

到深度：索引到给定的深度，其中深度表示从起始页面可以离开页面的“点击”次数。深度0意味着只有起始页面被索引，深度为1个索引页开始，所有从它等链接到的网页

重新建立索引：选中此复选框，索引是即使网页已经被收录被迫。

蜘蛛可以离开网域：默认情况下，Sphider永远不会离开给定的域，因此不会遵循domain.com指向domain2.com的链接。通过选中此选项，Sphider可以离开域，但是在这种情况下，强烈建议定义适当的必须包含/必须不包含字符串列表，以防止蜘蛛走得太远。

必须包含/不得包含：请参阅此处以获得说明。

客制化

如果要更改Sphider的默认行为，则可以通过管理界面或直接在 settings 目录中编辑 conf.php 来执行此操作。要更改搜索页面的外观以适合您的网站，请在模板目录中修改或添加模板。修改 search.css 文件以及页眉和页脚模板（ header.html 和 footer.html ）应该足够了。通过编辑其余模板文件，可以进行较大的修改。 admin / ext.txt 中提供了未检查索引的文件类型列表。未索引的常用单词列表在

include / common.txt 。

从命令行使用索引器

可以使用以下语法从命令行蜘蛛化网页：

php spider.php <options>

其中<options>是

-所有重新索引数据库中的所有内容
-u 将网址设置为索引
-F将索引深度设置为全（无限深度）
-d 将索引深度设置为
-l允许蜘蛛离开初始域
-r设置Spider重新索引网站
-m <字符串>设置网址必须包含的字符串（使用\ n作为多个字符串之间的分隔符）
-n <字符串>设置网址不得包含的字符串（使用\ n作为多个字符串之间的分隔符）

例如，要对http:/ / www.domain.com/test.html进行爬网并将其索引到深度2，请使用

php spider.php -u http:/ /ww w.domain.com/test.html -d 2

如果需要要重新索引相同的URL，请使用

php spider.php -u http:/ /ww w.domain.c_om/test.html -r

索引pdf和doc文件

可以通过外部二进制文件为PDF和doc文件建立索引。下载并安装 pdftotext 和 catdoc 并在conf.php中设置location（path）（请注意，在Windows下，您不应在定义可执行文件的路径时使用空格）。另外，在“管理”部分中，选中“索引pdf”和“索引doc”框（或者，在conf.php中将$ index_pdf和$ index_doc参数设置为1）。

防止页面被索引

Robots.txt

防止页面被索引的最常见方法是使用robots.txt标准，方法是将robots.txt文件放入服务器的根目录中，或在页面标题中添加必要的meta标签（有关如何为此，请参见此处）。

必须包含/不得包含字符串列表

Sphider支持的功能强大的选项是定义站点的必须包含/不包含字符串列表（为此，请在“索引”屏幕中单击“高级”选项）。在“必须不包括”列表中包含字符串的所有url都将被忽略。同样，将忽略“必须包含”列表中不包含任何字符串的任何url。字符串列表中的所有字符串都应以换行符（输入）分隔。例如，为防止将您站点中的论坛编入索引，可以将ww w.yoursite.com/forum添加到“不得包含”列表中。这意味着所有包含该字符串的url将被忽略，并且不会被索引。还支持使用Perl样式正则表达式而不是文字字符串。每个以'*'开头的字符串都被视为正则表达式，因此'* / [a] + /'

忽略链接

<a href..>标记中的Sphider尊重rel =“ nofollow”属性，因此，例如<a href="foo.html" rel="nofollow>中的链接foo.html被忽略。

忽略页面的一部分

Sphider包含一个选项，可将部分页面排除在索引之外。例如，当某些关键字出现在大多数页面的某些部分（例如页眉，页脚或菜单）时，这可以用于防止搜索结果泛滥。 <！-sphider_noindex->??和<！-/ sphider_noindex->??标记之间的页面的任何部分均未编入索引，但是会跟随其中的链接。

Dome下载地址：

https://www.wsjianzhan.com/morenfenlei/phpsphidersousuozhanneisousuo.html