环境:Win10 64位 python2.7
工具:pycharm
1.首先安装haystack、whoosh、jieba
如果觉得慢可以使用豆瓣源pip install -ihttps://pypi.douban.com/simple/ jieba
pip install django-haystack
pip install whoosh
pip install jieba
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,soir,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sphix、xapian、Elasticsearc等,但是无二进制包,程序不会莫名其妙的奔溃,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,如果觉得不好可以使用一些收费产品
在INSTALLED_APPS添加 haystack
INSTALLED_APPS = ( 'haystack', )
3.添加搜索引擎
在settings中进行配置
HAYSTACK_CONNECTIONS = { 'default': { 'ENGINE': 'haystack.backends.whoosh_cn_backend.WhooshEngine', 'PATH': os.path.join(BASE_DIR, 'whoosh_index'), } } # 自动生成索引 HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'
4.在应用目录(即要设为检索关键字的应用目录下)下新建一个search_indexes.py文件(名字是固定的不能改)
在目录"templates/search/indexes/应用名称/"下创建"模型类名称_text.txt"文件(我建立的是goodinfo_text.txt),格式如下from haystack import indexes from df_goods.models import GoodInfo #引入你项目下的model(也就是你要将其作为检索关键词的models) class GoodInfoIndex(indexes.SearchIndex, indexes.Indexable): text = indexes.CharField(document=True, use_template=True) def get_model(self): return GoodInfo def index_queryset(self, using=None): return self.get_model().objects.all() #可对数据进行检索限制
# goodinfo_text.txt {{ object.gName }} {{ object.gSubName }} {{ object.gDes }}
txt中的内容根据模型类本身的属性进行添加,如我的goodinfo models中有6.在目录"templates/search/"下建立search.html作为检索结果返回的页面(可自己进行定制)'gttile', 'gprice', 'isDelete', 'gunit', 'gclick', 'gtype', 'gadv'等字段,可以适当选取作为关键字我最终选取的结果为# goodinfo_text.txt {{ object.gttile }} {{ object.gtype }} {{ object.gunit }}
5.在url中配置检索结果返回的地址urlpatterns = [ ... url(r'^search/', include('haystack.urls')), ]
7.建立ChineseAnalyzer.py文件<!DOCTYPE html> <html> <head> <title></title> </head> <body> {% if query %} <h3>搜索结果如下:</h3> {% for result in page.object_list %} <a href="/{{ result.object.id }}/">{{ result.object.gName }}</a><br/> {% empty %} <p>啥也没找到</p> {% endfor %} {% if page.has_previous or page.has_next %} <div> {% if page.has_previous %}<a href="?q={{ query }}&page={{ page.previous_page_number }}">{% endif %}« 上一页{% if page.has_previous %}</a>{% endif %} | {% if page.has_next %}<a href="?q={{ query }}&page={{ page.next_page_number }}">{% endif %}下一页 »{% if page.has_next %}</a>{% endif %} </div> {% endif %} {% endif %} </body> </html>
保存在haystack的安装文件夹下,路径如“C:\Users\Administrator\Envs\tiantain\Lib\site-packages\haystack\backends”下
8.复制whoosh_backend.py文件,改名为whoosh_cn_backend.pyimport 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()
#添加 from .ChineseAnalyzer import ChineseAnalyzer # 将文件中的 analyzer=StemmingAnalyzer() 改为 analyzer=ChineseAnalyzer()
9.生成索引
python manage.py rebuild_index
生成成功后在根目录下会生成一个whoosh_index的文件夹
10.在模板中创建搜索栏然后就大功告成了<form method='get' action="/search/" target="_blank"> <input type="text" name="q"> <input type="submit" value="查询"> </form>