whoosh全文检索

whoosh全文检索

• 纯Python编写的全文搜索引擎，对于小型的站点，whoosh已经足够使
  用
• Whoosh速度很快，使用纯Python，因此它将在Python运行的任何地方
  运行，而无需编译器
  • 与许多其他搜索库相比，Whoosh创建的索引很小。
  • Whoosh中所有索引的文本都必须是unicode。
  • 使用Whoosh，您可以使用索引文档存储任意Python对象。
  • Whoosh并不是真正的搜索引擎，它是用于创建搜索引擎的程序员库

安装第三方库

pip install django-haystack 全文检索的框架
pip install whoosh 全文检索的引擎
pip install jieba 中文分词器包

激活全文检索框架

INSTALLED_APPS = [ ... 'haystack' ]

配置全文检索引擎

HAYSTACK_CONNECTIONS = { 'default': { 'ENGINE': 'haystack.backends.whoosh_backend.WhooshEngine', 'PATH': os.path.join(BASE_DIR, 'whoosh_index'), } }

自动维护索引

HAYSTACK_SIGNAL_PROCESSOR='haystack.signals.RealtimeSignalProcessor'

每页显示条数，默认为20

HAYSTACK_SEARCH_RESULTS_PER_PAGE = 10

编写模型类

在需要检索的应用下
from django.db import models class User(models.Model): username = models.CharField(max_length=100) password = models.CharField(max_length=32) class Meta: db_table = "t_user"
应用下新增索引类

模块名 search_indexes.py (固定的，不能有错误)
from haystack.indexes import SearchIndex, Indexable, CharField
from .models import User
class UserSearchIndex(SearchIndex, Indexable):
查询的域名、必须提供、并且设置 document=True
text = CharField(document=True, use_template=True)
def get_model(self):
return User
def index_queryset(self, using=None):
return self.get_model().objects.all()

#设置索引字段

在 templates 模板 中，新建如下目录

--templates
	--search 
		 --indexes 
 			--appName
	            --模型名_text.txt

PS : 模型名 全小写，_text 不能随意、该文件主要对索引维护起作用

文件的内容如下

		 {{ object.username }}
		 {{ object.password }} 

username , password 为 模型中对应的属性，该文件中定义要全文
检索的属性，不需要将 模型中的所有属性都进行定义

配置搜索接口路由

url(’^search/’, include(‘haystack.urls’))

编写搜索框模板页面

	<form action="/search/" method="get"> <input type="text" name="q" />
	<input type="submit" value="搜索"/>
	</form>

name = q 是必须的， 不能修改
q 会从 索引库中 查找要查询的内容，要查询的内容包含的字段为 索
引字段定义的 {{object.xxx}} 决定
提交的地址为 搜索接口路由 配置的 地址， 请求的方式为 GET
处理检索的结果

搜索接口请求返回一个模板，该模板为 位置及其他信息如下

templates 
-- search 
-- search.html

在 search.html 中， 获取查询到的数据
后台返回的模板中，包含的常见Key如下

		 	 {'page': page,
			'paginator': paginator,
			'query': query,
			}

page ： Django 分页插件的page对象
paginator : 分页对象
query : 查询参数
{{ page.object_list }} 返回一个列表，可以对其进行遍历并显示相关信
息

{% for p in page.object_list %}
{{ p.object }}
{% endfor %}

通过 p.object 获取模型对象
处理高亮显示

{% load hightlight %}
{% for p in page.object_list %}
{% highlight p.object.username with query %}
{% endfor %}

添加样式：

	<style>
    span.highlighted { color: red;}
    </style>

默认采用 span 标签，可以进行修改，

{% highlight p.object.username with query html_tag 'em' %}

高亮显示 显示 … 省略了部分内容
解决方案：
修改 haystack.utils.hightlighting.py
160行左右：
源码：
highlighted_chunk = '%s' % highlighted_chunk
更改为：
highlighted_chunk = '%s%s' % (self.text_block [:start_offset] ,highlighted_chunk)

中文分词器Jieba

CTRL+N搜索haystack.backends.whoosh_backend.py
拷贝 haystack.backends.whoosh_backend.py 到项目中，并重命名为
whoosh_cn_backend.py

修改 whoosh_cn_backend.py 文件

1、导入 中文分词器

from jieba.analyse import ChineseAnalyzer
从最下面导入

2、找到

schema_fields[field_class.index_fieldname] = TEXT(stored=True, analyzer=StemmingAnalyzer(), field_boost=field_class.boost, sortable=True)
修改为
schema_fields[field_class.index_fieldname] = TEXT(stored=True, analyzer=ChineseAnalyzer(), field_boost=field_class.boost, sortable=True)

3、修改 HAYSTACK_CONNECTIONS 中的引擎

HAYSTACK_CONNECTIONS = { 'default': { 'ENGINE': '项目名.whoosh_cn_backend.WhooshEngine', 'PATH': os.path.join(BASE_DIR, 'whoosh_index'), } }

4、重建索引

python manage.py rebuild_index