改进网站站内搜索-百度,Google自定义搜索和Elasticsearch自建搜索

WordPress自带的搜索虽然说可以搜出一些东西出来，但是有时搜索的结果不一定满意，而且没有联词搜索和模糊搜索，导致有时候必须指定准确的关键字才能搜索出结果来。况且Wordpress自带的搜索对MysqL数据库查询依赖大，数据库大的话比较消耗时间。
替换Wordpress默认的搜索也不是什么难事，懂行的人基本上都知道site:wrfou.com xxx就可以搜索出指定网站的站内内容，而百度、Google都推出了自定义搜索，就是把site:wrfou.com xxx直接嵌入到站内，用户点击搜索后不用跳转到百度\Google就可以看到结果。
不过百度,Google自定义搜索依赖于搜索引擎的索引，这对于索引少或者是新站来说，有时新的文章搜索不出来，影响了用户体验。于是，Elasticsearch这种开源免费的自建搜索引擎诞生了，这是一个分布式、可扩展、实时的搜索与数据分析引擎，可以处理全文搜索和结构化数据的实时统计。

本篇文章就来分享一下百度,Google自定义搜索和Elasticsearch自建搜索整合Wordpress的方法，更多的关于WordPress建站及WP优化的文章还有：

1. Linux的php-fpm优化心得-php-fpm进程占用内存大和不释放内存问题
2. WordPress添加支付宝,微信打赏按钮制作实例和Paypal.me打赏链接
3. 五款优秀的RSS阅读器推荐-附国内外各大RSS阅读器收集整理汇总

一、百度站内搜索引擎
网站：

1. https://ziyuan.baidu.com/cse/wiki/introduce

1.1 百度站内搜索引擎使用
首先是到百度站内搜索引擎添加想要使用的网站域名。

然后是选择百度站内搜索引擎样式，有嵌入式、悬浮式、侧边式以及与原站的搜索框整合型，请根据你自己的需要来选择。（点击放大）

百度自定义搜索引擎还有一些高级可供我们优化站内搜索结果，例如可以设置关键词，搜索提示以及内文提词等等。

百度站内搜索引擎还允许你自定义二级域名，同时还可以添加Logo等信息。

1.2 百度站内搜索引擎不支持Https
非常可惜，百度站内搜索引擎至今不支持Https。虽然说百度搜索宣称Https有利于安全，但是自己的产品也不怎么热心于Https，而且看一下百度站内搜索引擎的官网，基本上有快两年没有更新了，大家要做好百度关闭该产品的准备。

如果是Https站点的话，要么使用Nginx的反代（见：Nginx反向绑定），要么就不要使用嵌入式，改用托管式的，即点击搜索按钮后跳转到百度自定义搜索网站。代码改进如下（请将s=xxx换成你自己的）：

1. <input type=“text” name=“q” id=“bdcsMain” value=“搜索全站内容” onfocus=“if (value ==’搜索全站内容’){value =”}” onblur=“if (value ==”){value=‘搜索全站内容’}” >
2. <button class=“search-submit” id=“btnPost” type=“submit” onclick=“window.open(‘http://zhannei.baidu.com/cse/search?s=14135322191061470907&entry=1&q=’+document.getElementById(‘bdcsMain’).value)”>搜索</button>

嵌入效果如下：
搜索
二、Google自定义搜索
网站：

1. https://cse.google.com/

2.1 Google自定义搜索使用
首先登录到Google自定义搜索官网页面，然后点击新建一个自定义搜索。

接着就是设置你要索引的网址，命名一个名称等。（点击放大）

创建完成后，你就可以点击获取代码了。

Google站内搜索同样提供了外观设置、搜索结果优化等功能，你可以根据自己的需要来调整。（点击放大）

Google自定义搜索允许你置顶某一个搜索结果、自动填充、同义词等等。

这是Google自定义搜索搜索效果，嵌入到网页可能还会受到原CSS的影响，需要自己再一步微调。（点击放大）

Google自定义搜索还可以搜索图片，实在很强大。

2.2 Google自定义搜索不显示问题
由于众所周知的原因，Google自定义搜索在国内是无法正常显示，那么如何解决此问题呢？一个可行的方法就是用反代（见：Nginx反向绑定），或者将Google自定义搜索相关文件本地化。实现难度比较大……

Google自定义搜索其实也是可以托管的，效果如下：

1. https://cse.google.com/cse/publicurl?cx=011545314673148308753:3gbnph6-kfc

三、Elasticsearch自建搜索
网站：

1. https://www.elastic.co

3.1 安装Elasticsearch
Elasticsearch安装基本上可以参考官方的教程了，这里直接引用imququ.com的安装方法：
虚拟机和线上环境都是 Ubuntu 14.04.4 LTS，Elasticsearch 用的是最新版。一切开始之前，先要检查机器上是否装有 java 环境，如果没有可以通过以下命令安装：

1. sudo apt-get install openjdk-7-jre-headless

下载 Elasticsearch 2.3.0 压缩包并解压：

1. wget -c https://download.elasticsearch.org/elasticsearch/release/org/elasticsearch/distribution/zip/elasticsearch/2.3.0/elasticsearch-2.3.0.zip
2. unzip elasticsearch-2.3.0.zip

将解压得到的 elasticsearch-2.3.0 目录重命名为 ~/es_root（名称及位置没有限制，可以将它挪到你认为合适的任何位置）。Elasticsearch 无需安装，直接可以运行（注意：不能用 root 帐号运行）：

1. BASHcd ~/es_root/bin/
2. chmod a+x elasticsearch
3. ./elasticsearch

如果屏幕上没有打印错误信息，说明 Elasticsearch 服务已经成功启动。新建一个终端，用 curl 验证下：

1. BASHcurl -XGET http://127.0.0.1:9200/?pretty
2. {
3. “name” : “Melissa Gold”,
4. “cluster_name” : “elasticsearch”,
5. “version” : {
6. “number” : “2.3.0”,
7. “build_hash” : “8371be8d5fe5df7fb9c0516c474d77b9feddd888”,
8. “build_timestamp” : “2016-03-29T07:54:48Z”,
9. “build_snapshot” : false,
10. “lucene_version” : “5.5.0”
11. },
12. “tagline” : “You Know, for Search”
13. }

如果看到以上信息，说明一切正常，否则请根据屏幕上的错误信息查找原因。尽管 Elasticsearch 本身是用 java 写的，但它对外可以通过 RESTful 接口交互，十分方便。
默认情况下 Elasticsearch 的 RESTful 服务只有本机才能访问，也就是说无法从主机访问虚拟机中的服务。为了方便调试，可以修改 ~/es_root/config/elasticsearch.yml 文件，加入以下两行：

1. network.bind_host: “0.0.0.0”
2. network.publish_host: _non_loopback:ipv4_

但线上环境千万不要这样配置，否则任何人都可以通过这个接口修改你的数据。
3.2 安装 IK Analysis
Elasticsearch搜索自带的分词器会粗暴地把每个汉字直接分开，没有根据词库来分词。为了处理中文搜索，还需要安装中文分词插件。我使用的是 elasticsearch-analysis-ik，支持自定义词库。
首先，下载与 Elasticsearch 匹配的 elasticsearch-analysis-ik 插件：

1. wget -c https://github.com/medcl/elasticsearch-analysis-ik/archive/v1.9.0.zip
2. unzip v1.9.0.zip

解压后，进入插件源码目录编译：

1. BASHsudo apt-get install maven
2. cd elasticsearch-analysis-ik-1.9.0
3. mvn package

如果一切顺利，在 target/releases/ 目录下可以找到编好的文件。将其解压并拷到 ~/es_root 对应目录：

1. mkdir -p ~/es_root/plugins/ik/
2. unzip target/releases/elasticsearch-analysis-ik-1.9.0.zip -d ~/es_root/plugins/ik/

elasticsearch-analysis-ik 的配置文件在 ~/es_root/plugins/ik/config/ik/ 目录，很多都是词表，直接用文本编辑器打开就可以修改，改完记得保存为 utf-8 格式。
现在再启动 Elasticsearch 服务，如果看到类似下面这样的信息，说明 IK Analysis 插件已经装好了：

1. plugins [analysis-ik]

3.3 配置同义词
Elasticsearch 自带一个名为 synonym 的同义词 filter。为了能让 IK 和 synonym 同时工作，我们需要定义新的 analyzer，用 IK 做 tokenizer，synonym 做 filter。听上去很复杂，实际上要做的只是加一段配置。
打开 ~/es_root/config/elasticsearch.yml 文件，加入以下配置：

1. YAMLindex:
2. analysis:
3. analyzer:
4. ik_syno:
5. type: custom
6. tokenizer: ik_max_word
7. filter: [my_synonym_filter]
8. ik_syno_smart:
9. type: custom
10. tokenizer: ik_smart
11. filter: [my_synonym_filter]
12. filter:
13. my_synonym_filter:
14. type: synonym
15. synonyms_path: analysis/synonym.txt

以上配置定义了 ik_syno 和 ik_syno_smart 这两个新的 analyzer，分别对应 IK 的 ik_max_word 和 ik_smart 两种分词策略。根据 IK 的文档，二者区别如下：

• ik_max_word：会将文本做最细粒度的拆分，会穷尽各种可能的组合；
• ik_smart：会将文本做最粗粒度的拆分；

ik_syno 和 ik_syno_smart 都会使用 synonym filter 实现同义词转换。为了方便后续测试，建议创建 ~/es_root/config/analysis/synonym.txt 文件，输入一些同义词并存为 utf-8 格式。例如：

1. ua,user-agent,userAgent
2. js,javascript
3. 谷歌=>google

3.4 Elasticsearch整合Wordpress
WordPress插件：

1、ElasticPress：https://wordpress.org/plugins/elasticpress/
2、WP Search with Elasticsearch：https://wordpress.org/plugins/db-search-with-elasticsearch/

这两款Elasticsearch WordPress 插件，都是可以帮助我们将Elasticsearch搜索整合到Wordpress，首先是激活插件，然后到插件设置页面填写Elasticsearch服务器相关的信息。（点击放大）

然后就可以将Wordpress的文章以及页面同步到Elasticsearch服务器并开始索引了。

四、总结
百度站内搜索引擎适合用在没有使用Https以及百度索引量大的网站，对于新站以及用上了Https的网站使用百度站内搜索引擎非常不利，而Google自定义搜索适合国外的朋友使用，国内的朋友不要折腾了。
Elasticsearch自建搜索是一个非常不错的工具，功能强大，用于Wordpress的全文搜索真的是“牛刀小试”了，Elasticsearch可以对文档进行索引、搜索、排序、过滤，它能够执行复杂的全文搜索。