FTP搜索引擎的设计与实现
摘要：FTP服务器是因特网最主要的服务器之一，其搜索引擎为人们使用FTP服务提供了很大的方
便.分析和设计了一个基于WEB的FTP搜索引擎，并在PHP+Mysql环境下给出了编程实现方法.
关键词：FTP；搜索引擎；PHP；Mysql
中图分类号：TP393 文献标识码：A 文章编号：1000-5854（2005）01-0025-05
FTP服务器是因特网最主要的服务器之一，在FTP服务器上保存有大量的各种各样的共享软件、技术资料和多媒体数据等文件.每个FTP服务器都有若干个目录，其目录和文件结构比较复杂，要在FTP服务器上找到自己需要的文件不是一件容易的事情，要在多个FTP服务器上查找文件更是困难.基于WWW的FTP搜索引擎可以很好的解决上述问题.目前，国内外有很多FTP搜索引擎，国内较著名的有北大天网、百合谷搜索和FTP星空搜索等.为了更好的为河北师范大学校园用户和省主节点用户提供服务，笔者设计了自己的FTP服务器搜索引擎.
1 FTP搜索引擎的结构
FTP搜索引擎由数据采集、数据查询和站点维护等模块组成.建立一个FTP搜索引擎，首先要收集
各个FTP站点上的文件信息，并把这些信息存储到数据库中；然后给用户提供查询界面，以收取用户要
查询的信息，把这些查询信息转化为数据库语言，并进行数据库查询，把查询结果以友好的界面显示给
用户；搜索引擎建立好以后，为了使数据库数据与FTP站点的数据保持一致，需要做更新FTP站点的
文件信息、添加新的FTP站点等管理和维护工作.FTP搜索引擎的结构如图1所示.
图1 FTP搜索引擎的结构
在设计FTP搜索引擎时，操作系统采用Linux操作系统Redhat8.0，WWW服务器采用Apache，数
据库采用MySQL，编程语言采用PHP［1~4］.
2 数据库结构和设置
2.1 文件信息分析
在FTP站点上，根目录下的目录中有许多文件夹和文件，每个文件的信息包括文件名、文件地址、
文件大小、日期、类型等.对应这些文件信息，在文件数据库中设置相应的字段，用来记录这些信息，用字
段name存储文件名，一般不超过255个字符，将其设置为varchar类型，长度为255，host表示FTP网站
的名称，说明是哪个网站上的文件，address字段准确给出文件的URL地址.由于有些文件URL比较长，把address字段类型设置为longtext.有了这些字段，就可以在网络中找到此文件的位置.另外，还需
要记录下文件的大小、时间、日期，以供用户分辨选择他们所要的文件.最后，查询时对文件名字段的访
问比较频繁，把它设置成Index字段，这样可以提高查询速度.
2.2 FTP站点信息分析
一个FTP站点通常包含服务器名称、用户名和密码.对应FTP站点的信息，数据字段设置如下：站
点名、站点IP地址、用户名、用户密码等几个字段.站点名字段类型为vchar，长度为60；IP地址为vchar
类型，长度为50；用户名为vchar类型，长度50；密码设置为password类型，长度为60.另外，FTP站点
名也是使用较为频繁的数据，把它设置为Index字段.
2.3 数据库结构设置
基于以上分析，设置数据库如下：在file-address数据库中设置2个数据表，一个为fileaddress数据
表，另一个为ftpserver数据表，其中fileaddress数据表用于记录ftp站点的文件信息，ftpserver数据表用
于记录各个ftp站点的信息.
3 数据采集
要构建搜索引擎，首先要收集各个FTP站点的文件信息，记录到数据库，用于提供搜索.因特网中
有许多的FTP站点，要收集某个FTP站点的信息时，从数据表中读出站点信息，然后登陆到此站点.多数FTP服务器都开辟有公共访问区，称为“匿名FTP”，对公众提供免费的文件信息服务，一般用户名为Anonymous，密码为一个E-mail地址.数据采集程序以用户名和密码登陆站点，然后对该站点所有目录进行采集，读取每个目录下的文件信息，在收到文件信息之后，对其进行分析，将文件信息存储到相应的
数据表字段中.完成此站点的数据采集之后，再读取另外一个FTP站点的信息，进行文件信息采集，如此循环，采集所有已知FTP站点的文件信息.首先连接到ftp站点，并用相应的用户名和密码登陆.此时，当前目录一般为根目录，有的并不是，所以要先取得当前目录，然后从此目录开始扫描此站点的文件信息.如果此目录为空（只有2个文件：.和..），则此站点没有文件，退出登陆；如果不空，则判断每个文件是否是目录，若是，则改变当前目录到此子目录下，扫描此子目录并判断，若还有子目录，则继续转到其下扫描.下面是采集数据的程序.
get-ftp-info（）
｛
ftp-connect（） ／*连接FTP站点；
ftp-login（） ／*登陆FTP站点；
ftp-pwd（） ／*取得当前目录；
get-path-info（） ／*调用get-path-info（）处理此目录；
ftp-quit（） ／*退出登陆；
｝
get-path-info（）是采集程序最主要函数，该函数采用递归调用的方法依次处理各个目录和文件，把目录和文件信息
写入数据库.下面是该函数的实现代码.
get-path-info（）
｛
ftp-rawlist（） ／*读取目录信息；
if（dir-is-empty） ／*如果目录为空则返回.
retrun；：
for（）
｛
get-path-info（） ／*递归调用函数get-path-info（），
｝
｝
／／-------------------------------------------
functionget-path-info（$ftpserver，$ftplink，$ftp-dir，$sqlmasterlink）｛
mysql-query（"usefileaddress"，$sqlmasterlink）；
$n-listEftp-rawlist（$ftplink，$ftp-dir）； ／／$n-listcannotbesettedasaglobalvar.
if（（count（$n-list））for（$iE0；$i$filetypeEsubstr（$n-list［$i］，0，1）；
$filenameEsubstr（$n-list［$i］，55）；
$filesizeEsubstr（$n-list［$i］，29，41）；
switch（$filetype）｛
case"-"：
｛
$tempE"ftp：／／".$ftpserver.$ftp-dir."／".$filename；
／／$tempE$ftp-dir."／".$filename；
$filesizeE（integer）（$filesize／1024）；
$dateEftp-mdtm（$ftplink，$filename）；
$dateE（date（"Y"）."-".date（"m"）."-".date（"d"））；
$timeEdate（"H：i：s"）；
$piecesEexplode（"."，$filename）；
$extendE$pieces［count（$pieces）-1］；
$queryE"INSERTINTOfileaddressVALUES（◜$filename◜，◜$ftpserver◜，◜$temp◜，◜$date◜，◜$time◜，◜
$filesize◜，◜$extend◜）；"；
mysql-query（$query，$sqlmasterlink）；
echo"〈fontcolorE◜FF3399◜sizeE2〉".$filename；echo"〈／font〉〈br〉∖n"；
break；
｝
case"d"：
｛
if（（$filename！E".."）&&（$filename！E"."））｛
ftp-chdir（$ftplink，$filename）；
$ftp-dirEftp-pwd（$ftplink）；
get-path-info（$ftpserver，$ftplink，$ftp-dir，$sqlmasterlink）；
ftp-chdir（$ftplink，".."）；
｝
break；
｝
｝ ／／endofswitch
｝ ／／endoffor
｝ ／／theendoffunctionget-path-info（）
／／----------------------------------------
4 数据查询
数据查询主要包括查询页面的设计、查询程序的编写和查询结果的处理.查询页面由Web服务器
提供查询界面，用于收集所要查找的文件信息.用户浏览到此Web页面，填写并提交表单，表单中包含
有用户所要查找文件的信息，如文件名、大小等.表单提交给Web服务器之后，由查询程序进行分析，生
第1期张运凯等：FTP搜索引擎的设计与实现27
成查询语句，并提交给数据库服务器进行查询，查询结果由查询程序进行分析处理，并以超链接形式生
成Web页面，提供给用户浏览.
用户输入的信息转化为数据库查询语言，再进行查询.可以用Mysql数据库查询语言中给出的正则
表达式来表示，其常用表示方法如下：
1）特殊字符“^”，用来匹配以指定字符串开头的字符串，如“^hello”，这个模式与字符串“hello，PHP
world！”匹配，但与“Sayhellotoyou”不匹配；
2）特殊字符“$”，用来匹配以指定字符串结尾的字符串，如“you$”，这个模式与“Howareyou”匹
配，与“your”不匹配；
3）当特殊字符“^”和“$”同时使用时，表示精确匹配，如“^hello$”，这个模式只匹配字符串“hello”.
在查找文件时，设置表示用户输入的文件名的变量为$filename，那么，可以生成如下的查询语句进
行查询：
$sqlE"select*from$dbtablenamewherenameREGEXP∖"［^∖∖∖∖］*（".$qfilename."）+
［^∖∖∖∖］*"·"∖"·""；".
系统包括2种检索界面，即文件名检索和高级检索.图2是高级检索的界面和功能.
图2 高级检索的界面与功能
在采集到数据库的文件信息中，包括了文件名、大小、日期和文件的网络地址.查询结果可由数据库
中的网落地址生成文件的URL信息，表示文件的下载地址.代码结构为
〈ahrefE“文件的网络地址”〉文件名〈／a〉文件大小和日期；
〈ahrefE“文件的网络地址”〉网络地址〈／a〉.
图3为FTP搜索引擎的输出结果.
图3 FTP搜索引擎的输出结果
5 管理与维护
搜索引擎建立好以后，为了使数据库数据与FTP站点的数据保持一致，需要对站点进行管理和维
护.在笔者的设计中，管理和维护功能包括增加、显示、删除及更改FTP站点等功能.为了实现站点文件
28 河北师范大学学报（自然科学版） 第29卷
信息自动更新的功能，把更新FTP站点文件信息的程序（addallinfo.php）设置成系统计划任务，例如可
以设置成每天运行1次.
6 结束语
笔者设计的FTP搜索引擎已经在网站上使用，为用户提供了很好的服务.FTP搜索引擎的技术发
展很快，在查询方式、检索结果处理和分类检索等方面有了很大的改进，在这几方面系统还有待于继续
完善.
参考文献：
［1］ 武延军，黄飞跃.PHP与WEB数据库［M］.西安：西安电子科技大学出版社，2001.
［2］ 黄明，周韶泽，李风华.PHP4实例解析［M］.北京：电子工业出版社，2001.
［3］ 陈俊宏.PHP与MYSQL彻底研究网页数据库设计［M］.北京：人民邮电出版社，2000.
［4］ 钟伟财.精通PHP4.0与MySQL架构Web数据库实务［M］.北京：中国青年出版社，2000.
阅读(1400) | 评论(0) | 转发(0) |
