全文檢索

時間 2019-12-01

標籤全文檢索简体版

原文原文鏈接

INSTALLED_APPS = (
    ...
    'haystack',
)

全文檢索

全文檢索不一樣於特定字段的模糊查詢，使用全文檢索的效率更高，而且可以對於中文進行分詞處理
haystack：全文檢索的框架，支持whoosh、solr、Xapian、Elasticsearc四種全文檢索引擎，點擊查看官方網站
whoosh：純Python編寫的全文搜索引擎，雖然性能比不上sphinx、xapian、Elasticsearc等，可是無二進制包，程序不會莫名其妙的崩潰，對於小型的站點，whoosh已經足夠使用，點擊查看whoosh文檔
jieba：一款免費的中文分詞包，若是以爲很差用能夠使用一些收費產品，點擊查看jieba文檔
在虛擬環境中依次安裝須要的包

pip install django-haystack
pip install whoosh
pip install jieba

修改test6/settings.py文件，安裝應用haystack

在test6/settings.py文件中配置搜索引擎

#coding=utf-8
...
HAYSTACK_CONNECTIONS = {
    'default': {
        #使用whoosh引擎
        'ENGINE': 'haystack.backends.whoosh_cn_backend.WhooshEngine',
        #索引文件路徑
        'PATH': os.path.join(BASE_DIR, 'whoosh_index'),
    }
}
#當添加、修改、刪除數據時，自動生成索引
HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'

在test6/urls.py中添加搜索的配置

  url(r'^search/', include('haystack.urls')),

建立引擎及索引

在booktest目錄下建立search_indexes.py文件

#coding=utf-8
from haystack import indexes
from models import GoodsInfo
#指定對於某個類的某些數據創建索引
class GoodsInfoIndex(indexes.SearchIndex, indexes.Indexable):
    text = indexes.CharField(document=True, use_template=True)

    def get_model(self):
        return GoodsInfo

    def index_queryset(self, using=None):
        return self.get_model().objects.all()

在templates目錄下建立「search/indexes/booktest/」目錄

在上面的目錄中建立「goodsinfo_text.txt」文件

```
#指定索引的屬性
{{object.gcontent}}
```
　　
找到虛擬環境py_django下的haystack目錄

/home/python/.virtualenvs/py_django/lib/python2.7/site-packages/haystack/backends/

在上面的目錄中建立ChineseAnalyzer.py文件

import jieba
from whoosh.analysis import Tokenizer, Token

class ChineseTokenizer(Tokenizer):
    def __call__(self, value, positions=False, chars=False,
                 keeporiginal=False, removestops=True,
                 start_pos=0, start_char=0, mode='', **kwargs):
        t = Token(positions, chars, removestops=removestops, mode=mode,
                  **kwargs)
        seglist = jieba.cut(value, cut_all=True)
        for w in seglist:
            t.original = t.text = w
            t.boost = 1.0
            if positions:
                t.pos = start_pos + value.find(w)
            if chars:
                t.startchar = start_char + value.find(w)
                t.endchar = start_char + value.find(w) + len(w)
            yield t

def ChineseAnalyzer():
    return ChineseTokenizer()

複製whoosh_backend.py文件，改成以下名稱
注意：複製出來的文件名，末尾會有一個空格，記得要刪除這個空格

whoosh_cn_backend.py

打開復製出來的新文件，引入中文分析類，內部採用結巴分詞

from .ChineseAnalyzer import ChineseAnalyzer

更改詞語分析類

查找
analyzer=StemmingAnalyzer()
改成
analyzer=ChineseAnalyzer()

初始化索引數據

python manage.py rebuild_index

按提示輸入y後回車，生成索引

使用

按照配置，在admin管理中添加數據後，會自動爲數據建立索引，能夠直接進行搜索，能夠先建立一些測試數據
在booktest/views.py中定義視圖query

def query(request):
    return render(request,'booktest/query.html')

在booktest/urls.py中配置

   url(r'^query/', views.query),

在templates/booktest/目錄中建立模板query.html
參數q表示搜索內容，傳遞到模板中的數據爲query

<html>
<head>
    <title>全文檢索</title>
</head>
<body>
<form method='get' action="/search/" target="_blank">
    <input type="text" name="q">
    <br>
    <input type="submit" value="查詢">
</form>
</body>
</html>

自定義搜索結果模板：在templates/search/目錄下建立search.html
搜索結果進行分頁，視圖向模板中傳遞的上下文以下
- query：搜索關鍵字
- page：當前頁的page對象
- paginator：分頁paginator對象
視圖接收的參數以下：
- 參數q表示搜索內容，傳遞到模板中的數據爲query
- 參數page表示當前頁碼

<html>
<head>
    <title>全文檢索--結果頁</title>
</head>
<body>
<h1>搜索 <b>{{query}}</b> 結果以下：</h1>
<ul>
{%for item in page%}
    <li>{{item.object.id}}--{{item.object.gcontent|safe}}</li>
{%empty%}
    <li>啥也沒找到</li>
{%endfor%}
</ul>
<hr>
{%for pindex in page.paginator.page_range%}
    {%if pindex == page.number%}
        {{pindex}}  
    {%else%}
        <a href="?q={{query}}&page={{pindex}}">{{pindex}}</a>  
    {%endif%}
{%endfor%}
</body>
</html>