MySQLで作成したデータベースに対して、日本語の全文検索を行いたいと思い、実現方法を調べました。その結果、次のような方法を行うと出来るらしいということがわかりました。
- kakasiなどを使用して、検索する文章を分かち書きする
- 分かち書き結果をバイト単位で16進数に変換して、16進数文字列として検索する
Perlでこのやり方を実現している方のホームページに書かれていることの受け売りです。下記のページにPerlでのやり方が掲載されています。これを参考にして、PHPで行いたいと思います。
MySQLでお気楽全文検索
まず、そのために、PHPからkakasiを呼び出す方法を調べました。
PHPからkakasiを呼び出すには、別プロセスと起動する方法と拡張モジュールを作成する方法があります。ここでは、拡張モジュールを作成する方法をとります。
拡張モジュール作成のための下準備
PHPの拡張モジュールを作成するには、PHPのソースコードが必要です。まず、SUSE LinuxのYaSTを使って、ソースコードをダウンロードします。YaSTで、phpを検索します。次に、phpの行の一番右端のカラムにチェックを入れ、ダウンロードします。
ダウンロードされたソースコードとパッチは”/usr/src/packages/SOURCES”にダウンロードされるので、これを適当な作業場所に展開します。私はホームディレクトリを使用しました。
> tar -xjf php-4.3.4.tar.bz2
一緒にダウンロードされたパッチも適用します。
> cd php-4.3.4
> patch -p0 < パッチファイル.patch
拡張モジュール作成
拡張モジュールには、静的に組み込むタイプと動的に組み込むタイプがあるようです。ここでは後者を作成します。まず、PHPのソースディレクトリの”ext”というディレクトリに入ります。
> cd ext
次に、拡張モジュールのひな形を作成します。
>./ext_skel --extname="kakasi"
ひな形が作成されたら、その中の”config.m4″ファイルを編集して、kakasiのライブラリを使用するように編集します。”–with-kakasi”パラメータを有効にするために下記の行の先頭の”dnl”を外します。
dnl PHP_ARG_WITH(kakasi, for kakasi support,
dnl Make sure that the comment is aligned:
dnl [ --with-kakasi Include kakasi support])
kakasiのライブラリとリンクするように、このファイルの下の方で行っているライブラリ検索コードのコメントを外して有効にします。また、検索するヘッダファイル名、ライブラリ名、シンボルを変更します。
...
SEARCH_FOR="/include/libkakasi.h"
...
LIBNAME=kakasi
LIBSYMBOL=kakasi_do
変更が終わったら、”phpize”コマンドを実行して、いくつかのファイルを生成します。
コード編集
PHPから”分かち書き”をするためのコードを作成します。かなり手抜きをして、入力・出力の文字コードは”EUC”限定というものにしました。汎用的には使えませんが、今回の目的ではこれで十分でしたので。。。
コードのダウンロードは下のリンクをクリックしてください。
kakasi.tar.gz
あとは、拡張モジュールをビルドしてインストールします。
> make
> sudo make install
拡張モジュールを使用する
動的に組み込む形で拡張モジュールを使用するときは、使用する各スクリプトファイルでモジュールをロードする必要があります。モジュールは次のようにしてロードします。
...
if(!extension_loaded('kakasi.so'))
{
dl('kakasi.so');
}
...
?>
動作テスト
動作テストとして、下記のようなスクリプトをEUCで保存します。実行結果が”分かち書き”されていればOKです。
if(!extension_loaded('kakasi.so'))
{
dl('kakasi.so');
}
print kakasi_wakati("日本語の分かち書きのテストです。");
?>
