Namazuの検索式をマスターする

単一単語検索

調べたい単語を一つ指定して検索する。

namazu

AND検索

スペースで区切られた複数の単語を含む文書を検索する。スペースの代わりに and を使ってもいい。

Linux and Netscape

OR検索

or で区切った複数の単語うち、どちらかを含む文書を検索する。

Linux or FreeBSD

NOT検索

ある単語を含み、ある単語を含まない文書を検索する。単語と単語の間に not を挿む。

Linux not UNIX

グループ化

AND検索、OR検索、NOT検索をカッコでグループ化できる。カッコの両端のスペースを忘れないようにね。

( Linux or FreeBSD ) and Netscape not Windows

フレーズ検索

2語以上からなる複合語を検索する。 "..." と2重引用符で、あるいは {...} と中括弧で囲む。ところで、フレーズ検索はときどきマッチングで誤ることがあるそうだ。

{GNU Emacs}

部分一致検索

部分一致検索には前方一致、中間一致、後方一致の 3種類がある。

前方一致検索

inter* (inter から始まる単語を含む文書を検索)

中間一致検索

*text* (text を内包する単語を含む文書を検索)

後方一致検索

*net (net で終わる単語を含む文書を検索)

正規表現検索

検索するキーワードを正規表現で指定する。正規表現は /.../ のようにスラッシュ記号で囲むこと。正規表現の書式は Perl とほぼ同じだ。

/<a href="[^"]">/

フィールド指定の検索

Subject:, From:, Message-Id: といったフィールドを指定して検索する。特にMail/News のファイルを扱う際に効果を発揮する。

• +subject:Linux
  (Subject: に Linuxが含まれる文書)
• +subject:"GNU Emacs"
  (Subject: に GNU Emacsが含まれる文書)
• +from:foo@bar.jp
  (From: に foo@bar.jp が含まれる文書)
• +message-id:<199801240555.OAA18737@foo.bar.jp>
  (Message-Id を指定)

特記事項

• アルファベットの大文字・小文字の区別はしない。
• 日本語の複合語は形態素単位に分割し、それらをフレーズ検索する。
• JIS X 0208 (いわゆる全角文字) の英数字と記号の一部 (ASCIIと重複しているもの) は ASCII (いわゆる半角文字) として処理。
• 記号を含む語の検索ができます。例: TCP/IP。 ただし、記号の処理は完全ではないので TCP and IP のように分割してAND検索をかけた方が取りこぼしがない(その代わり余計なファイルまでヒットしてしま う可能性がある)。
• and, or, not を単語として検索したいときはそれぞれ、 "..." と2重引用符で、 あるいは {...} と中括弧で囲む。

　いよいよ、全文検索をするときだね。インデックスを作成するよりはずっと簡単だから、気楽にね。

namazuで検索してみよう

namazuの構文

namazu 検索文字列 インデックス

インデックスを省略すると、namazu は /usr/local/var/namazu/index を対象とする。

作成されたインデックスに対して検索を行うには namazuコマンドだ。namzu コマンドの使い方だけど、第一引数に検索文字列、第二引数に mknmz で作った索引の位置を入力する。次のような感じでね。

% namazu tohoho /usr/local/apache/var/index

上記の場合、「tohoho」というキーワードで「/usr/local/apache/var/index」にあるインデックス内を検索する。

namazurcでNamazuの動作設定

namazu コマンドの設定は namazurc で行う。 namazurc の設定例は配布の中の /usr/local/etc/namazu/namazurc-sample にあるよ。

ウェブで CGI を実行するにはいくつかの条件があるんだ。Apache の場合、設定として次のようなものが関係する。

(Web管理者) と書かれているもの以外は .htaccess にも設定できるよ(ただし Apache の設定次第でそれを禁止していなければだけど)。

namazuコマンド全レシピ

Namazu の検索プログラム

使い方: namazu [options] <query> [index]...

コマンド行引数の [index dir]... に検索対象のイ ンデックスを指定します。インデックスの指定を省略すると、基本インデックスが検索対象となりま す。

また、 +foo, +bar のように頭に + 記号をつけると、 基本インデックスからの相対パスでインデックスを指定できます。

コマンド行から実行したときは標準では平文で検索結果を出力します。 HTML で出力する場合には -h オプションを指定します。

検索結果の 21 件目から 40 件目までを表示させたいときは -n 20 -w 20 と指定します。-w の値が 21 でないところに注意してくだ さい。

namazurcを設定して検索しよう！

namazurc および .namazurc ではいくつかの設定が行えます。 namazu は

• $(sysconfdir)/$(PACKAGE)/namazurc
  通常は /usr/local/etc/namazu/namazurc
• ~/.namazurc
• -f, --config=FILE オプションで指定した namazurc
  (CGIの場合は namazu.cgi を設置したディレクトリ の .namazurc)

の順で設定ファイルを探して読み込みます。複数、見つかった場合 はすべて読み込みます。

インストール直後の状態では $(sysconfdir)/$(PACKAGE)/namazurc-sample という サンプルファイルが用意されています。これを $(sysconfdir)/$(PACKAGE)/namazurc にコピーする、 あるいは自分のホームディレクトリに ~/.namazurc としてコピー して利用します。

namazurc の設定項目の説明は namazurc-sample ファイルにコメント として書かれています。

　自分のホームページに全文検索の機能をつけたいな、なんて考えていた人に朗報！ようやくわが SMART クラブでも全文検索をサポートすることになったんだ。
　全文検索といえば Namazu が有名。とくれば、ボクたちも迷わず Namazu を採用！スミからスミまでしゃぶりつくすつもりだよ。

Namazuについて

Namazu はいわずと知れた全文検索システムだ。ローカル内のドキュメントを検索するもよし、HTMLを検索するもよし、キミのアイデアしだいで無限に活用可能なんだ、えーと、たぶん。
　さて、全文検索についてちょっと勉強しようか。たとえば、1万ファイルほどある文書があって、そのなかから「エロエロ」という単語を検索したいとしようか。1ファイルにどれだけの検索時間が必要なのかはシステムによるだろうけど、ものすごい時間待たされることだけは必至だ。たかだかスケベな要求を満たすために、異常な時間をただ呆然とデスクの前でただずむなんて、なんというか、他人には見られたくない姿だよね。そこで、あらかじめどの単語がどの文書で使われているかを記録したインデックスファイルを用意しておく、という手法が考え出されたんだ。Namazu はこの手法を取り入れているからとっても高速だ。

ところで、Namazu はインデックスの作成を行う mknmz  コマンドと、検索を行う namazu コマンドで構成されている。今の段階は、2つのコマンドがあるんだな、程度におぼえてくれていればオッケー。

mknmz

これで 検索用のインデックスを作るんだ。だから、Namazuをインストールした後、最初に試すコマンドはこれだ。まずこれを実行してインデックスを作ったら、その後に Namazu を起動して検索することになるよ。
そうそう、頻繁に更新される文書を検索対称にするなら、cron などで定期的に実行させといいね。
余談だけど、現在の実装は Perl で書かれてる。

namazu

文書から単語を検索するためのコマンド。
CGI として実行する時は、namazu のかわりに「namazu.cgi」を使うことになる。
こちらは C で実装されているよ。

必要なファイルのダウンロード

Namazu のインストールには、以下のものが必要。最低限必要なものは太字のものだよ。

• namazu
• File-MMagic (上記に同梱)
• kakasi もしくは ChaSen
• Perl インタプリタ（たぶん、最初からインストールされてる）
• nkf
• NKF
• Text-Kakasi
• Text-ChaSen

まず、太字のソフトウエアがインストール済みかどうかをチェックしよう。いつもの which コマンドを使うといい。

% which namazu
% which kakasi
% which perl

Namazuのインストールに必要なファイル一覧

NKF、Text::Kakasi、Text::ChaSen は Perl モジュール化で、2.0 の高速化機能を生かすために必要で、なくても動くよ。

日本語の分かち書き KAKASI と ChaSen

日本語の分かち書きを扱うために、KAKASI または ChaSen が必要。どちらかを選ぶかはお好みとなっているんだけど、とくにこだわりがなければ KAKASI をおすすめするよ。念のため、KAKASI と ChaSen の違いは以下のとおり。

• ChaSen のほうがきめ細かい日本語処理が可能
• KAKASI のほうが3，4倍程度高速
• Namazu はデフォルトでKAKASI を使用

インストール準備

インストールする際のユーザのプロファイルをチェックしよう。たとえば、Namazu をシフトJISで使うような場合は、LANG設定を js_JP.SJIS とかにしておいたほうがいい。さて、ユーザディレクトリに移動して、vi で編集だ。

% cd
% vi .bash_profile

次の文章を探し、なければ追加、あれば上書きしよう。

export LANG ja_JP.SJIS

telnet から printenv を実行し、環境変数の一覧表を表示させてみよう。もし、一覧表の中に「LANG」がなければ、環境変数 LANG が設定されていということだ。これがないとインデックスを作る時に日本語として扱ってもらえないんだ。というわけで、そんなときは環境変数をセットしよう。

環境変数の設定。ja, ja_JP.eucJP, ja_JP.EUC, ja_JP.ujisなどがある。
わからないときは ja にしておくといい % LANG=ja

LANGに指定した値を有効にする % export LANG

設定したLANG変数が表示される % set | grep LANG

KAKASIのインストール

KAKASIのインストール

tar で KAKASI を解凍 % tar zxf kakasi-2.3.4.tar.gz

解凍時に作成された KAKASI のディレクトリに移動 % cd kakasi-2.3.4

そしてインストール % ./configure
% make
% make install

KAKASI のインストールが成功したかどうかは、以下のとおり。

% kakasi -h
KAKASI - Kanji Kana Simple Inverter Version 2.3.4
....
-w: wakatigaki mode

Report bugs to <bug-kakasi@namazu.org>.

出力結果の最後の方をよく見て、-w の行があるかチェックしよう。

---

Namazuのインストール

Namazuの解凍

tar で Namazu を解凍 % tar zxf namazu-2.0.7.tar.gz

File-MMagicのインストール

File-MMagic は unix 操作の file と同じような機能を perl 部品で実現するものなんだ。新たな種類の判別が出来るようにわりと更新が頻繁だｓ。

解凍時に作成された File-MMagic のディレクトリに移動 % cd namazu-2.0.7/File-MMagic

そしてインストール % perl Makefile.PL
% make
% make install

Namazuのインストール

Namazuのソースファイルのディレクトリに移動 % cd ..

そしてインストール % ./configure
% make
% make check
% make install

インストール後のクリーンアップ

Namazuのインストール中に生成された余分なファイルを削除しておくと、身も心もすっきり。次の2つのコマンドのどっちかを使うといいよ。

make clean

生成されたプログラムのバイナリファイルやオブジェクトファイルを、ソースコードの置かれたディレクトリから消す時に使う。とりあえずこちらを実行するといいんじゃなかな。

make distclean

上のファイルの他に、一緒に configure'が生成したファイルも消す時に使います。これをしないと別の種類のコンピュータからはパッケージをコンパイルできない。