Продолжаем осваивать движок поисковой системы DataParkSearch Engine. На этот раз займемся его базовой настройкой.
Итак, в прошлый раз мы установили DataParkSearch Engine, теперь приступаем к его настройке.

Все файлы настроек системы хранятся в папке /usr/local/dpsearch/etc. Все файлы настроек по умолчанию имеют в конце приставку -dist, которая означает, что это файл-пример настройки. Например storedoc.htm-dist, indexer.conf-dist. Первым делом уберем у всех файлов эту приставку. Для этого можно воспользоваться утилитой KRename.

Теперь приступаем непосредственно к настройке. Для этого открываем в текстовом редакторе файл indexer.conf. Я для этих целей использую mcedit:
mcedit /usr/local/dpsearch/etc/indexer.conf
Как я уже говорил, здесь будут описаны только основные настройки, существенно влияющие на работу поисковой системы.

DBAddr mysql://foo:bar@localhost/search/?dbmode=cache
Здесь нужно прописать настройки доступа с базе данных в следующей форме:

типБД://логин:пароль@хостБД/имяБД/?dbmode=cache

ТипБД указывает на используемую Вами СУБД (mysql или pgsql).
Параметр ?dbmode=cache позволяет снизить нагрузку на базу данных благодаря кешированию запросов.
После указания настроек доступа к базе данных следует выполнить комманду
/usr/local/dpsearch/sbin/indexer -Ecreate
Это создаст необходимые для работы таблицы в базе данных.

LocalCharset
В этой секции раскомментируйте строку с названием той кодировки, которую Вы хотите использоваться для хранения данных в базе данных. Я-бы посоветовал UTF-8, поэтому убираем решетку перед строкой #LocalCharset UTF-8

StopwordFile <filename>
Здесь указываем путь к файлу со списком стоп-слов (слова, которые индексировать не нужно). DataParkSearch Engine по умолчанию поставляется с небольшим списком русских стоп-слов, поэтому пишем здесь:
StopwordFile /usr/local/dpsearch/etc/stopwords/ru.sl

LangMapFile <filename>
Указывает путь к файлу языковой карты. Можно не менять.

MinWordLength, MaxWordLength
Эти две переменные указывают на соответственно минимальную и максимальную длину слов, которые будут храниться в базе данных. По умолчанию установлены значения в 1 и 32 соответственно.

MaxDocSize bytes
Указывает максимальный размер обрабатываемых веб-страниц. По умолчанию 1 мегабайт.

MinDocSize bytes
Аналогична предыдущей переменной, но указывает минимальный размер веб-страниц. По умолчанию 0.

HTTPHeader <header>
Указывает HTTP-заголовки, отправляемые поисковым роботом серверу. User Agent тоже указывается здесь:
HTTPHeader "User-Agent: My_Own_Agent"

Allow [Match|NoMatch] [NoCase|Case] [String|Regex] args
Эта директива позволяет разрешать к индексации страницы, в адресе которых есть определенное выражение. Например:
Allow Match *.htm разрешает индексировать все страницы, URL которых оканчивается на .htm, а Allow NoMatch *.htm разрешает индексировать все страницы, которые не оканчиваются на .htm.

Disallow [Match|NoMatch] [NoCase|Case] [String|Regex] args
Аналогична предыдущей директиве, но используется наоборот для запрета индексации страниц. Например, Disallow *.php запрещает индексировать все страницы. URL которых оканчивается на .php.

Alias <master> <mirror>
Позволяет организовать систему индексации сайтов по зеркалам.
Здесь master — основной сайт, mirror — зеркало.
Например:
Alias http://www.mysql.com/ http://mysql.udm.net/

Period <time>
Указывает периодичность переиндексации сайтов. Например Period 7d указывает, что переиндексировать сайты следует раз в неделю.

Server [Method] [SubSection] URL [alias]
Одна из самых важных директив. Указывает URL сайта для индексации. Например Server http://2lx.ru.
Для каждого индексируемого сайта следует указывать отдельную директиву Server. Согласен, что это крайне неудобно, поэтому в следующем обзоре я опишу как создать веб-интерфейс для добавления/удаления индексируемых сайтов.

На это базовую настройку DataParkSearch Engine можно считать завершенной. В следующих статьях мы займемся более углубленной его настройкой, а также прикруткой своего дизайна.