【网站技术解析⑧】-- 检索系统实现（一）

估计很多人会好奇下方这个检索系统怎么实现的，这里要说下，Django的orm跟数据库交互是挺方便的，增删改查，功能非常全面，如果你对orm精通，检索系统完全可以通过orm的语法来实现，不过我对Django的orm语法不是特别了解，工作也不是做web的，检索系统的实现利用的是python数据分析库Pandas的一些数据查询与处理方法

对于网站的检索，我这里主要处理了两种逻辑：

1、单个词：比如python

2、多个词>=2（短语）：比如python学习、python学习视频

今天先讲第一种单个词的处理方法，由浅入深，方法其实都很简单，大部分核心处理逻辑其实也就是python中的某个方法就能完成，比如检索：python

1、对于读取数据，我这里用的Pandas的read_sql方法来读取数据库数据，返回的train_data是pandas的dataframe行列数据结构，在数据库中，我数据是按照name url两个字段进行保存的，检索单个词，我就是找出name字段中包含"python"的数据进行返回即可

def get_train_data():
  host_ip = "********"
  host_port = 3306
  db_instance = "********"
  table_name = "link"
  user = "********"
  pawd = "********"
  charset = "utf8"
  mysql_conn = connect(host=host_ip, user=user, password=pawd, db=db_instance, port=int(host_port), charset=charset)
  sql = 'SELECT * FROM ' + table_name
  # print(sql)
  train_data = pd.read_sql(sql, con=mysql_conn)
  return train_data

2、下方是检索的代码，因为是单个词的检索，比如"python"，所以下方逻辑会走else逻辑，if len(all_true_index_list)>2逻辑不会执行

msg : 获取前端传过来的字符串“python”，做了简单的处理，转化成小写，去除收尾空格换行符，字符串中间的空格也去掉

df：get_train_data()上面获取的数据库中的数据，包含name和url两列

seed : 随机选取比例

df：df.sample是随机选取样本，frac=seed选取的比例，比如100个样本，如果seed是0.25，则最后随机选取的样本就是25个，这样做主要是为了造成一种假象，感觉数据经常变有很多很多

cut_list：结巴分成后的list，“python”分词后是["python"],"python视频"分词后是["python","视频"]，用于后面的检索

def get_filter_data(request):
   msg = request.POST.get("msg_input").lower().strip().replace(" ", "")
   df = get_train_data()
   seed = random.random()
   df = df.sample(frac=seed).reset_index(drop=True)
   # 增加结巴分词
   cut_list = list(jieba.cut(msg))
   all_true_index_list = []
   for word in cut_list:
      each_true_index_list = get_true_index(df, word)
      all_true_index_list.append(each_true_index_list)
   print("所有列表[[],[],[]]", all_true_index_list)

   if