pythpn 全文检索的一些使用

一、一些搜素引擎

ElasticSearch 企业级搜索引擎最常用，基于lucene的搜索服务器
- Lucene是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎,是一个信息检索程序库
whoosh #纯python编写的全文搜索引擎，性能不如其他，但稳定，对于小型网站足够
solr
Xapian

二、安装

pip install django-haystack    
pip install whoosh #搜素引擎
pip install jieba  #是一款免费的中文分词

#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elastisearch,solr，Whoosh

setiing中 INSTALLED_APPS 添加'haystack'

几种不同引擎的配置

#Elasticsearch配置

HAYSTACK_CONNECTIONS = {
    'default': {
        'ENGINE': 'haystack.backends.elasticsearch_backend.ElasticsearchSearchEngine',
        'URL': 'http://127.0.0.1:9200/',
        'INDEX_NAME': 'haystack',
    },
}

#Whoosh配置，
import os
HAYSTACK_CONNECTIONS = {
    'default': {
        'ENGINE': 'haystack.backends.whoosh_backend.WhooshEngine',
        'PATH': os.path.join(os.path.dirname(__file__), 'whoosh_index'),
    },
}
#PATH是索引文件存放的位置
# 自动更新索引
HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'

#Solr配置
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',
    },
}

#首先安装Xapian后端（http://github.com/notanumber/xapian-haystack/tree/master）
#PATH是索引文件存放的位置。
import os
HAYSTACK_CONNECTIONS = {
    'default': {
        'ENGINE': 'xapian_backend.XapianEngine',
        'PATH': os.path.join(os.path.dirname(__file__), 'xapian_index'),
    },
}

创建索引

#如果想针对某个app做全文检索，则必须在blog的目录下建立search_indexes.py文件，文件名不能修改。
from haystack import indexes
from 模型名Index(indexes.searchIndex,indexes.Indexable):
	#这里类名必须为要检索的Model+Index
	text = indexes.CharField(document=True,use_template=True)
	#创建一个text字段，与模型的字段无关，每个索引里卖弄有且只有一个字段为document =True
	#其他字段
	desc = indexes.CharField(model_attr='desc')
	content = indexes.CharField(model_attr='content')
	#其他字段只是附属的属性，并不作为检索数据
	def get_model(self):
		return 模型名    #重写get_model方法，必须有
    def index_queryset(self,using=None):
    	return self.get_model().objects.all()

在templates/search/indexes/应用名称/下创建模型名_text.txt文件

#文件中内容为
{{ object.模型字段名1}}
{{object.模型字段名2}}
#这个数据模板的作用是对模型字段1和模型字段2建立索引，当检索的时候会对这三个字段做全文检索

设置url
- 在主路由下添加
- ```
urlpattern=[
	path('search/',include(`'haystack.urls'`)),
	]
```
  haystack.urls源码中也就有一个url指向searchView,可以传递几个关键字参数或者直接重写这个类

定义搜索模板

搜索模板应该放在templates创建一个search，在search下创建search.html

<!DOCTYPE html>
<html>
<head>
    <title></title>
    <style>
        span.highlighted {
            color: red;
        }
    </style>
</head>
<body>
{% load highlight %}
{% if query %}
    <h3>搜索结果如下：</h3>
    {% for result in page.object_list %}
	<a href="/{{ result.object.id }}/">{{ result.object.title }}</a><br/>
    <a href="/{{ result.object.id }}/">{% highlight result.object.title with query max_length 2%}</a><br/>
     <p>{{ result.object.content|safe }}</p>
     <p>{% highlight result.content with query %}</p>
    {% empty %}
        <p>啥也没找到</p>
    {% endfor %}

//分页
    {% if page.has_previous or page.has_next %}
        <div>
            {% if page.has_previous %}
                <a href="?q={{ query }}&amp;page={{ page.previous_page_number }}">{% endif %}&laquo; 上一页
            {% if page.has_previous %}</a>{% endif %}
            |
            {% if page.has_next %}<a href="?q={{ query }}&amp;page={{ page.next_page_number }}">{% endif %}下一页 &raquo;
            {% if page.has_next %}</a>{% endif %}
        </div>
    {% endif %}
{% endif %}
</body>
</html>

这里的page就是某页的page的对象，page.object_list就是该页的对象列表。

result.object.字段名和result.字段名都能取得数据，暂时没发现不同

生成索引，将数据库中的数据放入索引。

python manage.py  rebulid_index #会得到有多少模型进行了索引处理的统计

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”

import 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()

#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()
#这里是用的Whoosh搜素引擎，其他也一样。Whoosh的内部是使用正则分词的，我们在这里使用jieba来分词
#也有Whoosh_backend.py不放在这里嫌麻烦，放外面其他地方。只要把setting中HAYSTACK_CONNECTIONS的ENGINE对应即可

模板中使用搜索栏

<form method='get' action='/search/' target='_blank'
	<input type='text' name='q'>
	<input type='submit' value='查询'>
<form>

其他配置，扩展

如果不满足要求，可以重写SearchView

from haystack.views import SearchView
from .models import *
class MySearchView(SearchView):
	def extra_context(self):
		context = super(MySearchView).extra_context()
		side_list =Topic.objects.filter(字段名='xxx').order_by('xxx')[:5]
		
		context['side_list']=side_list
		return context
#主路由修改
path('search',search_views.MySearchView(),name = 'haystack_search')

高亮显示

//高亮
{% highlight result.object.字段名 with query}}
//限制高亮的长度
{%  highlight result.object.字段名 with query max_length 数字 %}

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

posted @ 2019-12-28 16:01 千亿阅读(109) 评论(0) 编辑收藏举报

刷新页面返回顶部

千亿

pythpn 全文检索的一些使用

一、一些搜素引擎

二、安装

公告