Django中使用Whoosh进行全文检索的方法_Python

Django中使用Whoosh进行全文检索的方法

2021-06-10 00:19周继元的博客 Python

这篇文章主要介绍了Django中使用Whoosh进行全文检索的方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

Whoosh 是纯Python实现的全文搜索引擎，通过Whoosh可以很方便的给文档加上全文索引功能。

什么是全文检索

简单讲分为两块，一块是分词，一块是搜索。比如下面一段话：

上次舞蹈演出直接在上海路的弄堂里

比如我们现在想检索上次的演出，通常我们会直接搜索关键词：上次演出，但是使用传统的SQL like 查询并不能命中上面的这段话，因为在上次和演出中间还有舞蹈。然而全文搜索却将上文切成一个个Token，类似：

上次/舞蹈/演出/直接/在/上海路/的/弄堂/里

切分成Token后做反向索引(inverted indexing)，这样我们就可以通过关键字很快查询到了结果了。

解决分词问题

分词是个很有技术难度的活，比如上面的语句中一个难点就是到底是上海路还是上海呢？Python有个中文分词库：结巴分词，我们可以通过结巴分词来完成索引中分词工作，结巴分词提供了Whoosh的组件可以直接集成，代码示例

遇到的问题

如果是在一些VPS上测试的时候非常慢的话可能是内存不足，比如512MB做一个博客索引非常慢，尝试升级到1GB后可以正常使用了。

代码

				?

									import logging

									import os

									import shutil

									from django.conf import settings

									from whoosh.fields import Schema, ID, TEXT, NUMERIC

									from whoosh.index import create_in, open_dir

									from whoosh.qparser import MultifieldParser

									from jieba.analyse import ChineseAnalyzer

									from .models import Article

									log = logging.getLogger(__name__)

									index_dir = os.path.join(settings.BASE_DIR, "whoosh_index")

									indexer = open_dir(index_dir)

									def articles_search(keyword):

									  mp = MultifieldParser(

									    ['content', 'title'], schema=indexer.schema, fieldboosts={'title': 5.0})

									  query = mp.parse(keyword)

									  with indexer.searcher() as searcher:

									    results = searcher.search(query, limit=15)

									    articles = []

									    for hit in results:

									      log.debug(hit)

									      articles.append({

									        'id': hit['id'],

									        'slug': hit['slug'],

									      })

									  return articles

									def rebuild():

									  if os.path.exists(index_dir):

									    shutil.rmtree(index_dir)

									  os.makedirs(index_dir)

									  analyzer = ChineseAnalyzer()

									  schema = Schema(

									    id=ID(stored=True, unique=True),

									    slug=TEXT(stored=True),

									    title=TEXT(),

									    content=TEXT(analyzer=analyzer))

									  indexer = create_in(index_dir, schema)

									  __index_all_articles()

									def __index_all_articles():

									  writer = indexer.writer()

									  published_articles = Article.objects.exclude(is_draft=True)

									  for article in published_articles:

									    writer.add_document(

									      id=str(article.id),

									      slug=article.slug,

									      title=article.title,

									      content=article.content,

									    )

									  writer.commit()

									def article_update_index(article):

									  '''

									  updating an article to indexer, adding if not.

									  '''

									  writer = indexer.writer()

									  writer.update_document(

									    id=str(article.id),

									    slug=article.slug,

									    title=article.title,

									    content=article.content,

									  )

									  writer.commit()

									def article_delete_index(article):

									  writer = indexer.writer()

									  writer.delete_by_term('id', str(article.id))

									  writer.commit()