欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Django中使用Whoosh进行全文检索的方法

程序员文章站 2023-11-11 21:10:58
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。...

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: ,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,

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()

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。