2020/11/11:全文检索
(diango-haystack+jieba+whoosh)
什么是haystack:
- haystack是Django的开源搜索框架,该框架支持Solr,Elasticsearch,Whoosh,Xapian搜索引擎,不用更改代码,直接切换引擎,减少代码量
- 搜索引擎使用Whoosh,这是一个由纯Python实现的全文搜索引擎,没有二进制文件等,比较小巧,配置比较简单,但性能略低
- 中文分词jieba,由于Whoosh自带的英文分词,对中文分词不太友好,所以用jieba替换掉Whoosh的分词组件
jieba介绍:
jieba就是一个中文分词器,因为大多数搜索引擎对中文不太友好,所以jieba就是加强对中文的检索功能
Whoosh介绍:
- Python的全文搜索库,Whoosh是索引文本及搜索文本的类和函数库
- Whoosh自带的英文分词,需要用jieba替换掉Whoosh中的分词组件
安装工具:
pip install django-haystack
pip install Whoosh
pip install jieba
settings.py中的配置:
# 创建jsapp的APP
INSTALLED_APPS = [
···
'haystack', # haystack要放在应用上面
'jsapp', # 声明APP
···
]
TEMPLATES = [
{
···
'DIRS': [os.path.join(BASE_DIR, 'templates')],
···
}
]
HAYSTACK_CONNECTIONS = {
'default': {
# 指定whoosh引擎
'ENGINE': 'haystack.backends.whoosh_backend.WhooshEngine',
# 'ENGINE': 'jsapp.whoosh_cn_backend.WhooshEngine',
# whoosh_cn_backend是haystack的whoosh_backend.py改名的文件
# 是为了使用jieba分词
# 索引文件路径
'PATH': os.path.join(BASE_DIR, 'Whoosh_index'),
}
}
# 添加此项,当数据库改变时,会自动更新索引,非常方便
HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'
jsapp/models.py中的配置:
from django.db import models
# Create your models here.
class UserInfo(models.Model):
name = models.CharField(max_length=254)
age = models.IntegerField()
class Meta:
db_table = '测试_user'
class ArticlePost(models.Model):
author = models.ForeignKey(UserInfo, on_delete=models.CASCADE)
title = models.CharField(max_length=200)
desc = models.SlugField(max_length=500)
body = models.TextField()
class Meta:
db_table = '测试_article'
索引文件的生成:
1)在子应用下创建索引文件,在子应用的目录下创建一个名为search_indexes.py的文件:
# search_indexes.py
from haystack import indexes
from jsapp.models import ArticlePost
# 修改此处,类名为模型类的名称+Index
# 比如模型类为GoodsInfo
# 则这里类名为GoodsInfoIndex(其实可以随便写)
class ArticlePostIndex(indexes.SearchIndex, indexes.Indexable):
# text为索引字段
# document = True,这代表haystack和搜索引擎将使用此字段的内容作为索引进行检索
# use_template=True 指定根据表中的那些字段建立索引文件的说明放在一个文件中
text = indexes.CharField(document=True, use_template=True)
# 对哪张表进行查询
def get_model(self): # 重载get_model方法必须要有
# 返回这个model
return ArticlePost
# 建立索引数据
def index_queryset(self, using=None):
# 这个方法返回什么内容,最终就会对哪些方法进行索引,这里是对所有字段进行索引
return self.get_model().objects.all()
2)指定索引模板文件
# 创建文件路径命名必须这个规范:templates/search/indexes/应用名称/模型类名称_text.txt
# templates/search/indexes/jsapp/articlepost_text.txt
txt文件的内容:
{{ object.title }}
{{ object.author.name }}
{{ object.boday }}
# 指定哪些字段可以被搜索
3)使用命令创建索引(从数据库直接添加的数据无法创建)
python manage.py rebuild_index # 建立索引文件
替换jieba分词:
1)将haystack源码复制到项目中并改名
'''1.复制源码中文件并改名 '''
将 C:\python37\Lib\site-packages\haystack\backends\whoosh_backend.py文件复制到项目中
并将 whoosh_backend.py改名为 whoosh_cn_backend.py 放在APP中如:jsapp\whoosh_cn_backend.py
'''2.修改源码中文件'''
# 在全局引入的最后一行加入jieba分词器
from jieba.analyse import ChineseAnalyzer
# 修改为中文分词法
查找
analyzer=StemmingAnalyzer()
改为
analyzer=ChineseAnalyzer()
2)Django内settings.py内修改相应的haystack后台文件名
# 全文检索框架配置
HAYSTACK_CONNECTIONS = {
'default': {
# 指定whoosh引擎
# 'ENGINE': 'haystack.backends.whoosh_backend.WhooshEngine',
'ENGINE': 'jsapp.whoosh_cn_backend.WhooshEngine',
# article.whoosh_cn_backend便是你刚刚添加的文件
# 索引文件路径
'PATH': os.path.join(BASE_DIR, 'whoosh_index'),
}
}
# 添加此项,当数据库改变时,会自动更新索引,非常方便
HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'
索引文件的使用:
# Create your views here.
import json
from django.conf import settings
from django.core.paginator import InvalidPage, Paginator
from django.http import Http404, HttpResponse, JsonResponse
from haystack.forms import ModelSearchForm
from haystack.query import EmptySearchQuerySet
RESULTS_PER_PAGE = getattr(settings, 'HAYSTACK_SEARCH_RESULTS_PER_PAGE', 20)
def basic_search(request, load_all=True, form_class=ModelSearchForm, searchqueryset=None, extra_context=None,
results_per_page=None):
query = ''
results = EmptySearchQuerySet()
if request.GET.get('q'):
form = form_class(request.GET, searchqueryset=searchqueryset, load_all=load_all)
if form.is_valid():
query = form.cleaned_data['q']
results = form.search()
else:
form = form_class(searchqueryset=searchqueryset, load_all=load_all)
paginator = Paginator(results, results_per_page or RESULTS_PER_PAGE)
try:
page = paginator.page(int(request.GET.get('page', 1)))
except InvalidPage:
result = {"code": 404, "msg": 'No file found!', "data": []}
return HttpResponse(json.dumps(result), content_type="application/json")
context = {
'form': form,
'page': page,
'paginator': paginator,
'query': query,
'suggestion': None,
}
if results.query.backend.include_spelling:
context['suggestion'] = form.get_suggestion()
if extra_context:
context.update(extra_context)
jsondata = []
print(len(page.object_list))
for result in page.object_list:
data = {
'pk': result.object.pk,
'title': result.object.title,
'content': result.object.body,
}
jsondata.append(data)
result = {"code": 200, "msg": 'Search successfully!', "data": jsondata}
return JsonResponse(result, content_type="application/json")
↑views.py
from django.conf.urls import url
from . import views as view
urlpatterns=[
url(r'abc/$', view.basic_search),
]
↑urls.py
效果: