Ferret中搜索中文
上次看ferret没有找到搜中文的好办法, 今天再死磕一次.
发现acts_as_ferret都进gem了…但是还是不能搜中文!
最终找到一个支持非拉丁语系言语搜索的插件, 作者自己写了一个Analyzer, 装上就OK了, 姑且算是一个办法, 至于质量和具体的实现方式接下来再考证.
还有一片来自宝岛上的文章可以看一下.
[Update 200-7-3] Generate index from mime-type file with ferret
我为什么要用ferret，原因在于招聘系统收到了大量的简历，80%为MSWord，10％＋为PDF，一个一个打开看受不了，想用关键词搜索。所以提出一个方案－招聘系统不接受附件，简历直接扔到textarea里面，这样不就能查了么。于是乎Rails重新完成一套系统，时间不超过3天，而用SQL like去查又太小儿科了，数据多了也受不了。于是乎想到Ferret
但是简历在线编辑就爽么？我精心制作的CV岂不是就没意义了！
对用户上传的简历做索引才是王道！于是乎找到了一个叫ff的小工具，利用pdf2text,html2text,antiword 抓出文件内容再利用ferret做index，还可以和rails集成！
[Update 2007-7-3] Run ferret in DrbServer
在production环境下你那一群mongrel很可能跑在N多application server上，这时不能让每个server上都维护一个local ferret，于是乎我们把ferret跑在一个远程的DrbServer上面。方法很简单，acts_as_ferret已经为我们做好了封装，而Drb也是跟随ruby作为内嵌库来的。
不过我发现了一个问题，用gem安装acts_as_ferret后缺少配置文件config/ferret_server.yml 和启动脚本script/ferret_start ferret_stop，应该说是装gem的时候这几个文件没放对地，我手工copy过来也不能用，原因大概是没有正确的require ‘acts_as_ferret’，不知道是我gem装的有问题还是这gem有问题。
最终还是用plugin的方式安装了acts_as_ferret，一切正常。修改一下ferret_server.yml配置文件，script/ferret_start启动DrbServer。再修改一下model，加上:remote => true。Finish！
之后又遇到一个问题，如果需要和其它东西一起做混合式搜索，比如一张表只有一个字段想用ferret处理，其它字段仍然用sql处理怎么办？一个在DB里搜，一个在索引里搜，hack一下代码把两者mix起来？那最终在做pagination怎么办，能处理offset和page number limit么？
最终还是时间优先，采用最简单的方法，ferret搜索的时候用find_id_by_contents查出所有的匹配id，再与其它条件一起放到sql的where条件里搜。两分钟修改完成。
关于DrbServer的配置方法可以参考官方wiki。