Make your own on-site search engine_PHP tutorial

ccterran（原作）

作者：iwind

  朋友用dreamweaver做了一个网站，没有动态的内容，只是一些个人收藏的文章，个人介绍等等。现在内容比较多了，想叫我帮他做一个搜索引擎。说实在的，这是一个不难的问题，于是就随手做了一个。现在我在其它论坛上也看到有人想做这个，于是就想说说这方面的知识，重在了解一下方法。

写程序前先要想好一个思路，下面是我的思路，可能谁有更好的，但注意这只是一个方法问题 ：遍历所有文件  读取内容  搜索关键字,如果匹配就放入一个数组  读数组。在实现这些步骤之前，我假定你的网页都是标准的，就是有标题()，也有(),如果你是用dreamweaver或者frontpage设计的，那么除非你故意删掉，它们都在存在的。下面就让我们一步步来完成并在工程中改善这个搜索引擎。

一,设计搜索表单
在网站的根目录下建个search.htm，内容如下

 
   
     
     
   
 

二，搜索程序
再在根目录下建个search.php 的文件，用来处理search.htm表单传过来的数据.内容如下
//获取搜索关键字
$keyword=trim($_POST[“keyword”]);
//检查是否为空
if($keyword==””){
echo”您要搜索的关键字不能为空”;
exit;//结束程序
}
?>

这样如果访问者输入的关键字为空时，可以做出提示。下面是遍历所有文件。

我们可以用递归的方法遍历所有的文件，可以用函数opendir,readdir,也可以用PHP Directory的类。我们现在用前者.
//遍历所有文件的函数
function listFiles($dir){
$handle=opendir($dir);
while(false!==($file=readdir($handle))){
if($file!="."&&$file!=".."){
//如果是目录就继续搜索
if(is_dir("$dir/$file")){
listFiles("$dir/$file");
}
else{
//在这里进行处理
}
}
}
}

?>

在红字的地方我们可以对搜索到的文件进行读取，处理.下面就是读取文件内容，并检查内容中是否含有关键字$keyword,如果含有就把文件地址赋给一个数组。
//$dir是搜索的目录,$keyword是搜索的关键字 ,$array是存放的数组
function listFiles($dir,$keyword,&$array){
$handle=opendir($dir);
while(false!==($file=readdir($handle))){
if($file!="."&&$file!=".."){
if(is_dir("$dir/$file")){
listFiles("$dir/$file",$keyword,$array);
}
else{
//读取文件内容
$data=fread(fopen("$dir/$file","r"),filesize("$dir/$file"));
//不搜索自身
if($file!=”search.php”){
//是否匹配
if(eregi("$keyword",$data)){
$array[]="$dir/$file";
}
}
}
}
}
}
//定义数组$array
$array=array();
//执行函数
listFiles(".","php",$array);
//打印搜索结果
foreach($array as $value){
echo "$value"."
\n";
}
?>

现在把这个结果和开头的一段程序结合起来，输入一个关键字，然后就会发现你的网站中的相关结果都被搜索出来了。我们现在在把它完善一下。
1,列出内容的标题
把
                          if(eregi("$keyword",$data)){
                  $array[]="$dir/$file";
                          }
改成
                          if(eregi("$keyword",$data)){
                                   if(eregi("",$data,$m)){
                        $title=$m["1"];
                                   }
                                   else{
                        $title="没有标题";
                                   }
                                   $array[]="$dir/$file $title";
                           }
原理就是，如果在文件内容中找到，那么就把xxx取出来作为标题，如果找不到那么就把标题命名未”没有标题”.

2,只搜索网页的内容的主题部分。
做网页时一定会有很多html代码在里面，而这些都不是我们想要搜索的，所以要去除它们。我现在用正则表达式和strip_tags的配合,并不能把所有的都去掉。
把
            $data=fread(fopen("$dir/$file","r"),filesize("$dir/$file"));
            //不搜索自身
            if($file!=”search.php”){
              //是否匹配
                          if(eregi("$keyword",$data)){
改为
$data=fread(fopen("$dir/$file","r"),filesize("$dir/$file"));
           if(eregi("]+)>(.+)",$data,$b)){
                 $body=strip_tags($b["2"]);
                        }
                        else{
                 $body=strip_tags($data);
                        }
                        if($file!="search.php"){
                            if(eregi("$keyword",$body)){

3,标题上加链接
foreach($array as $value){
   echo "$value"."
\n";
}
改成
foreach($array as $value){
   //拆开
   list($filedir,$title)=split(“[ ]”,$value,”2”);
   //输出
   echo "$value"."
\n";
}
4防止超时
如果文件比较多，那么防止PHP执行时间超时是必要的。可以在文件头加上
set_time_limit(“600”);
以秒为单位，所以上面是设10分钟为限。

So the complete program is
set_time_limit("600");
//Get the search keyword
$keyword=trim($_POST["keyword "]);
//Check if it is empty
if($keyword==""){
echo "The keyword you want to search cannot be empty";
exit;//End Program
}
function listFiles($dir,$keyword,&$array){
$handle=opendir($dir);
while(false!==($file=readdir($ handle))){
If($file!="."&&$file!=".."){
if(is_dir("$dir/$file")){
listFiles( "$dir/$file",$keyword,$array);
                                                                                                                                                           . $dir/$file"));
If(eregi("]+)>(.+)",$data,$b)){
                $body=strip_tags($b["2"]);                                                   $body=strip_tags($data);
                                                                                    "search.php"){
if(eregi("$keyword",$body)){
if(eregi("