搜索子域名

比如搜索jb51.net會把www.dbjr.com.cn、jb51.net、host.jb51.net等都搜索出來。

如果使用mysql用like的話效率是非常低的，幾百萬甚至上千萬的數(shù)據(jù)那是沒有辦法使用的，于是采取sphinx來做。

在使用的過程中發(fā)現(xiàn)了諸多問題，這里將其總結起來，也讓不知道的朋友注意下這些字符。

分析：
sphinx是全文索引，它搜索的是包含的記錄。

首先如果我們不做任何設置的話，搜索jb51.net會出現(xiàn)把aajb51.net、jb51.a.cn、jb51.net.com(當然這個域名后綴不存在，但是會有符合相應規(guī)則的域名，這里只舉例)等等。

為什么會出現(xiàn)這種情況呢？

我們使用./search -c 配置文件 -i 索引名 'jb51.net' 搜索的時候會發(fā)現(xiàn)下面words部分被分成了兩部分'jb51'和'cn'，默認以.作為分隔符，如果我們不想讓它做為分隔符，就需要把.添加到charset_table里面，這里需要說的是我們搜索域名只需要有字母、數(shù)字、"-"等字符，其他的不需要。設置如下：
charset_table = 0..9,A..Z->a..z, a..z,U+002e,U+002d,U+0040,U+0060  #其中U+002e代表".",U+002d代表"-",U+0040代表"@",U+0060代表"`"，這里為ascii碼值。
這樣會解決掉搜出jb51.a.cn這類域名。

那么jb51.net.com這類呢？我們可以在索引的字段中增加惟一后綴比如“XXXXX”，concat(search,'XXXXX')這樣，就不會出來了。

現(xiàn)在就剩下aajb51.net這類域名，我們使用關鍵字“ '".jb51.net"' ”（注意是單引號里面套雙引號）這樣來搜索，主域名單獨加上，但是使用的過程中發(fā)現(xiàn)這樣搜出了與這個域名無關的域名，比如aa.bb.cn這樣，經(jīng)后來研究是"."的問題，后來把"."替換成"@"，來搜索又出現(xiàn)12306等好多域名無法讀取到的問題，后來經(jīng)研究估計這些特殊字符在sphinx中都有特殊的意義，于是找到了"`"這個字符，換成這個以后一切才算正常了。

注意：將"."替換成"`"等相應字符后需在charset_table里增加這個字符，不然是被忽略的。

所以在搜索的過程中我們需要注意下這些特殊字符。

最新評論