Haystack
1.什么是Haystack
Haystack是django的开源全文搜索框架(全文检索不同于特定字段的模糊查询,使用全文检索的效率更高 ),该框架支持Solr,Elasticsearch,Whoosh, **Xapian搜索引擎它是一个可插拔的后端(很像Django的数据库层),所以几乎你所有写的代码都可以在不同搜索引擎之间便捷切换
全文检索不同于特定字段的模糊查询,使用全文检索的效率更高,并且能够对于中文进行分词处理
haystack:django的一个包,可以方便地对model里面的内容进行索引、搜索,设计为支持whoosh,solr,Xapian,Elasticsearc四种全文检索引擎后端,属于一种全文检索的框架
whoosh:纯Python编写的全文搜索引擎,虽然性能比不上sphinx、xapian、Elasticsearc等,但是无二进制包,程序不会莫名其妙的崩溃,对于小型的站点,whoosh已经足够使用
jieba:一款免费的中文分词包,如果觉得不好用可以使用一些收费产品
搜索引擎就好比一个数据库,搜索引擎将mgsql中的数据复制一份到搜索引擎。查询的时候直接通过搜索引擎来快速查询数据的结果。
2.安装
pip install django-haystack
pip install whoosh
pip install jieba
3.配置
1 添加Haystack到INSTALLED_APPS
跟大多数Django的应用一样,你应该在你的设置文件(通常是settings.py)添加Haystack到INSTALLED_APPS. 示例:
INSTALLED_APPS =['django.contrib.admin','django.contrib.auth','django.contrib.contenttypes','django.contrib.sessions','django.contrib.sites',
#添加
'haystack',
#你的app
'blog',
]
2 修改settings.py
在你的settings.py中,你需要添加一个设置来指示站点配置文件正在使用的后端,以及其它的后端设置。 HAYSTACK——CONNECTIONS是必需的设置,并且应该至少是以下的一种:
Solr示例
HAYSTACK_CONNECTIONS ={'default': {'ENGINE': 'haystack.backends.solr_backend.SolrEngine','URL': 'http://127.0.0.1:8983/solr'
#...or for multicore...
#'URL': 'http://127.0.0.1:8983/solr/mysite',
},
}
Elasticsearch示例
HAYSTACK_CONNECTIONS ={'default': {'ENGINE': 'haystack.backends.elasticsearch_backend.ElasticsearchSearchEngine','URL': 'http://127.0.0.1:9200/','INDEX_NAME': 'haystack',
},
}
Whoosh示例
#需要设置PATH到你的Whoosh索引的文件系统位置
importos
HAYSTACK_CONNECTIONS={'default': {'ENGINE': 'haystack.backends.whoosh_backend.WhooshEngine','PATH': os.path.join(os.path.dirname(__file__), 'whoosh_index'),
},
}
# 自动更新索引
HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'
Xapian示例
#首先安装Xapian后端(http://github.com/notanumber/xapian-haystack/tree/master)
#需要设置PATH到你的Xapian索引的文件系统位置。
importos
HAYSTACK_CONNECTIONS={'default': {'ENGINE': 'xapian_backend.XapianEngine','PATH': os.path.join(os.path.dirname(__file__), 'xapian_index'),
},
}
4.处理数据
创建索引
如果你想针对某个app例如blog做全文检索,则必须在blog的目录下面建立search_indexes.py文件,文件名不能修改
from haystack importindexesfrom app01.models importArticle
classArticleIndex(indexes.SearchIndex, indexes.Indexable):#类名必须为需要检索的Model_name+Index,这里需要检索Article,所以创建ArticleIndex
text = indexes.CharField(document=True, use_template=True)#创建一个text字段
#其它字段
desc = indexes.CharField(model_attr='desc')
content= indexes.CharField(model_attr='content')
def get_model(self):#重载get_model方法,必须要有!
returnArticle
def index_queryset(self, using=None):return self.get_model().objects.all()
为什么要创建索引?索引就像是一本书的目录,可以为读者提供更快速的导航与查找。在这里也是同样的道理,当数据量非常大的时候,若要从这些数据里找出所有的满足搜索条件的几乎是不太可能的,将会给服务器带来极大的负担。所以我们需要为指定的数据添加一个索引(目录),在这里是为Note创建一个索引,索引的实现细节是我们不需要关心的,至于为它的哪些字段创建索引,怎么指定 ,下面开始讲解每个索引里面必须有且只能有一个字段为 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(primary field)。其他的字段只是附属的属性,方便调用,并不作为检索数据
注意:如果使用一个字段设置了document=True,则一般约定此字段名为text,这是在ArticleIndex类里面一贯的命名,以防止后台混乱,当然名字你也可以随便改,不过不建议改。另外,我们在text字段上提供了use_template=True。这允许我们使用一个数据模板(而不是容易出错的级联)来构建文档搜索引擎索引。你应该在模板目录下建立新的模板search/indexes/blog/article_text.txt,并将下面内容放在里面。
#在目录“templates/search/indexes/应用名称/”下创建“模型类名称_text.txt”文件
{{ object.title }}
{{ object.desc }}
{{ object.content }}
这个数据模板的作用是对Note.title, Note.user.get_full_name,Note.body这三个字段建立索引,当检索的时候会对这三个字段做全文检索匹配
5.设置视图
添加SearchView到你的URLconf
在你的URLconf中添加下面一行:
前后端不分离url
url(r'^search/', include('haystack.urls')),
前后端分离url
path('search/', MySearchView(), name='haystack_search'),
这会拉取Haystack的默认URLconf,它由单独指向SearchView实例的URLconf组成。你可以通过传递几个关键参数或者完全重新它来改变这个类的行为。
前后端分离后台重写create_response方法,
from haystack.views importSearchViewclassMySearchView(SearchView):
defcreate_response(self):
context=super().get_context()
keyword= self.request.GET.get('q', None) #关键字为q
if notkeyword:return JsonResponse({'message': '没有相关信息'})else:
data_list= [{'id': i.object.id, 'name': i.object.name,'model_img': 'http://api.modelbox.cn:8000/media/' +str(i.object.model_img),'download_num': i.object.download_num, 'collect_num': i.object.download_num} for i incontext['page'].object_list]return JsonResponse(data_list, safe=False, json_dumps_params={'ensure_ascii': False})
搜索模板
你的搜索模板(默认在search/search.html)将可能非常简单。下面的足够让你的搜索运行(你的template/block应该会不同)
color: red;
}
{% if query %}
搜索结果如下:
{% for result in page.object_list %}{% highlight result.object.title with query max_length 2%}
{{ result.object.content|safe }}
{% highlight result.content with query %}
{% empty %}啥也没找到
{% endfor %}{% if page.has_previous or page.has_next %}
{% endif %}
需要注意的是page.object_list实际上是SearchResult对象的列表。这些对象返回索引的所有数据。它们可以通过{{result.object}}来访问。所以{{ result.object.title}}实际使用的是数据库中Article对象来访问title字段的。
重建索引
现在你已经配置好了所有的事情,是时候把数据库中的数据放入索引了。Haystack附带的一个命令行管理工具使它变得很容易。
简单的运行python ./manage.py rebuild_index。你会得到有多少模型进行了处理并放进索引的统计。
6.使用jieba分词
#建立ChineseAnalyzer.py文件
#保存在haystack的安装文件夹下,路径如“D:\python3\Lib\site-packages\haystack\backends”
importjiebafrom whoosh.analysis importTokenizer, TokenclassChineseTokenizer(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 inseglist:
t.original= t.text =w
t.boost= 1.0
ifpositions:
t.pos= start_pos +value.find(w)ifchars:
t.startchar= start_char +value.find(w)
t.endchar= start_char + value.find(w) +len(w)yieldtdefChineseAnalyzer():return ChineseTokenizer()
#复制whoosh_backend.py文件,改名为whoosh_cn_backend.py
#注意:复制出来的文件名,末尾会有一个空格,记得要删除这个空格
from .ChineseAnalyzer import ChineseAnalyzer
查找
analyzer=StemmingAnalyzer()
改为
analyzer=ChineseAnalyzer()
7.在模版中创建搜索栏
8.其它配置
增加更多变量
from haystack.views importSearchViewfrom .models import *
classMySeachView(SearchView):def extra_context(self): #重载extra_context来添加额外的context内容
context =super(MySeachView,self).extra_context()
side_list= Topic.objects.filter(kind='major').order_by('add_date')[:8]
context['side_list'] =side_listreturncontext#路由修改
url(r'^search/', search_views.MySeachView(), name='haystack_search'),
高亮显示
{% highlight result.summary with query %}
# 这里可以限制最终{{ result.summary }}被高亮处理后的长度
{% highlight result.summary with query max_length 40 %}
#html中
}
Elasticsearch
简介:
Elasticsearch 是一个分布式可扩展的实时搜索和分析引擎,一个建立在全文搜索引擎 Apache Lucene(TM) 基础上的搜索引擎.当然 Elasticsearch 并不仅仅是 Lucene 那么简单,它不仅包括了全文搜索功能,还可以进行以下工作:
分布式实时文件存储,并将每一个字段都编入索引,使其可以被搜索。
可实现亿级数据实时查询
实时分析的分布式搜索引擎。
可以扩展到上百台服务器,处理PB级别的结构化或非结构化数据。
安装:
注意:Elasticsearch是用Java开发的,最新版本的Elasticsearch需要安装jdk1.8以上的环境
安装包下载完,解压,进入到bin目录,启动 elasticsearch.bat 即可
python操作ElasticSearch
from elasticsearch importElasticsearch
obj=Elasticsearch()#创建索引(Index)
result = obj.indices.create(index='user', body={"userid":'1','username':'lqz'},ignore=400)#print(result)#删除索引#result = obj.indices.delete(index='user', ignore=[400, 404])#插入数据#data = {'userid': '1', 'username': 'lqz','password':'123'}#result = obj.create(index='news', doc_type='politics', id=1, body=data)#print(result)#更新数据
'''不用doc包裹会报错
ActionRequestValidationException[Validation Failed: 1: script or doc is missing'''
#data ={'doc':{'userid': '1', 'username': 'lqz','password':'123ee','test':'test'}}#result = obj.update(index='news', doc_type='politics', body=data, id=1)#print(result)
#删除数据#result = obj.delete(index='news', doc_type='politics', id=1)
#查询#查找所有文档
query = {'query': {'match_all': {}}}#查找名字叫做jack的所有文档#query = {'query': {'term': {'username': 'lqz'}}}
#查找年龄大于11的所有文档#query = {'query': {'range': {'age': {'gt': 11}}}}
allDoc= obj.search(index='news', doc_type='politics', body=query)print(allDoc['hits']['hits'][0]['_source'])