Linux PyLucene簡單安裝服務器
在向大家詳細介紹Linux PyLucene之前，首先讓大家了解下Linux PyLucene，然后全面介紹Linux PyLucene，希望對大家有用。下一個項目準備用Python+Django來完成，先做些技術準備。數據庫方面用Django已經試驗的差不多了，但是似乎性能很差。
自己編譯了Mysql，用虛擬機測試，生成1000個用戶，1000篇文章用時80秒，這種并發性能恐怕沒有辦法讓人滿意。（每篇文章需要單獨生成Tag和文章與Tag的對應關系，涉及8次數據庫操作。）花了一天時間試驗InnoDB和MyIsam的區別，但是似乎沒有影響，開不開Transaction都一樣。先不管它了，也許和我的機器硬件有關系，硬件的sync關不掉。看官方的說法，SlashDot用Django可以實現每秒800條數據的插入速度。
網站肯定要用到全文檢索，目前唯一的全文檢索解決方案就是Lucene了，.Net上也有Lucene.Net可以選。搜索了一下，發現了Linux PyLucene，這個Python上的Lucene實現。似乎是使用Python對Lucene進行了一次重新包裝。
下載了它的Windows版本，安裝比較簡單，直接把幾個庫文件復制到對應的Lib目錄就行了。運行了一下Sample目錄下的測試文件，先是用IndexFiles和SearchFiles試了一下，SearchFiles是接收參數來搜索的，但是我沒有辦法輸入中文，會出現錯誤提示。后來把要搜索的詞直接放到文件里面去，不報錯了，但是搜索不出來。本以為Linux PyLucene不支持中文，正在納悶豆瓣的搜索是怎么做的，突然發現了一個好東西。
看了一下sample目錄下的LuceneInAction目錄，里面居然有個ChineseTest文件。它調用的是另一個目錄下的測試文件，測試一個漢字的搜索，運行了一下，居然是成功的。再看了一下IndexFiles，里面讀文件用的編碼是英文編碼，改成GB2312，OK，可以搜索到了。
但是只能搜索單字，不能按詞搜索。只要輸入兩個字就出錯。再比較一下Test文件，Query的生成方法不一樣，TermQuery似乎是單元搜索，不支持詞搜索，換成了QueryParser，成功了。但是還有一個小問題，比如搜索“中華”，在文章里，在中和華中間隨便加多少空格和回車都沒有關系，照樣可以搜索到。但是加入其它字或者英文字母以后就搜索不到了。這個影響不大，畢竟人們常用的搜索都是自然詞。
有了Linux PyLucene這個好東西，心頭一塊大石頭算是落地了。沒想到，等到要在開發服務器的Linux上安裝這個東西的時候，可費了功夫了。
官方的下載包做的很奇怪，ubuntu, debian, gentoo都有對應的二進制包可用，但是Redhat就沒有，只能用源碼包編譯，而它的編譯方式又做的極其簡陋，沒有configure文件，只有Makefile。按照說明，需要自己編輯Makefile，去掉你需要的注釋行，修改參數，然后直接Make。但是里面有一個對DB的引用，檢查了一下，BerkeleyDB似乎在CentOS4里面沒有，只好自己去官方網站下載了4.4.20的源碼，先編譯安裝它。雖然最新版是4.5.20，但是怕不兼容，所以還是用它配置文件里推薦的這個。編譯這個東西也挺奇怪，不過還好，畢竟有官方文檔一步步的說明，解壓后需要進入build_unix目錄，然后調用../dist/configure來配置，然后make && make install。指定prefix失敗。裝完了這個東西，再改Linux PyLucene的配置文件，根據生成的錯誤消息猜了好幾次才終于可以編譯了。最終需要改的地方為：
1、取消Linux那一段的注釋。
2、PREFIX_PYTHON是你的Python的目錄。因為我的Python是自己編譯安裝的，所以這里需要改一下。
3、DB＝這個我指向了BerkeleyDB的源碼目錄才通過編譯的（還好沒刪）。
其它的不用改。編譯到一半報錯，有一個libgcj.a文件找不到，到/usr/lib下找了一下沒有這個文件，但是有個差不多的.so，于是做了個ln -s，居然就通過編譯了。然后make install的時候又有問題，提示libgcc_s.so.1找不到，這個是Makefile里面的LIB_INSTALL參數指定的，我不知道它的意義在哪里，最后我也沒找到這個文件，但是直接進入Sample目錄運行了一下測試文件，居然就成功了。真TMD。這就是Linux嗎？終于可以安心的研究Django了。似乎Ruby On Rails還沒有支持中文全文檢索的模塊吧？
【編輯推薦】
