django全文检索

全文检索简介

 

全文检索就是针对所有内容进行动态匹配搜索的概念，针对特定的关键词建立索引并精确匹配达到性能优化的目的

最常见的全文检索就是我们在数据库进行的模糊查询，但是模糊查询是针对整体的内容的一个动态匹配过程，在数据量较大的情况下匹配效率极低，常规项目中数据量一般都比较多并且内容繁杂，所以正常的项目搜索功能中很少使用模糊查询进行操作

python提供了各种全文检索的模块，最常见的如haystack模块进行全文检索整体管理操作，后台使用注入whoosh、solr、xapain、elasticsearc全文搜索引擎进行操作，其中whoosh是纯python开发的全文搜索引擎，可以方便稳定的进行数据的检索操作功能，并在实际 操作过程中结合jieba中文分词模块对中文进行分词操作，达到最优的操作成本，是目前项目中较为流行的一种全文检索方式

 

1.操作步骤

1.1安装模块

首先安装全文检索管理模块haystack、全文搜索引擎模块whoosh和中文分词jieba

pip install haystack whoosh jieba

1.2Django项目中添加haystack应用

haystack作为一个全文检索管理模块应用，通过Django项目的配置文件中INSTALLED_APPS选项添加到项目中

INSTALLEDS_APPS=[
        ..
        'haystack',  #这个模块添加到所有子应用模块的前面
]

1.3项目中添加搜索引擎配置

修改Django项目配置文件，添加搜索引擎配置选项选项[项目settings.py配置文件]

HAYSTACK_CONNECTIONS = {
    'default': {
        #使用whoosh引擎
        'ENGINE': 'haystack.backends.whoosh_cn_backend.WhooshEngine',
        #索引文件路径
        'PATH': os.path.join(BASE_DIR, 'whoosh_index'),
    }
}
#当添加、修改、删除数据时，自动生成索引
HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'

1.4配置全文检索路由

全文检索搜索过程是由haystack模块进行操作的，所以搜索路由操作交给haystack进行处理，修改路由配置如下：

..
urlptterns=[
    ..
    url(r'^search/$',include('haystack.urls)),
]

1.5 搜索管理模块

在应用目录下创建search_indexes.py模块文件，管理搜索的数据模型

例如我这个 在article应用里新建 search_indexes.py

代码如下：

# 在应用模块下创建search_indexes.py模块文件，管理搜索的数据模型
from haystack import indexes
from .models import ArticleInfo


# 文章类的搜索类
class ArticleIndex(indexes.SearchIndex, indexes.Indexable):
    # 内容搜索
    text = indexes.CharField(document=True, use_template=True)
    def get_model(self):
        return ArticleInfo  # 返回要搜索的数据模型

    def index_queryset(self, using=None):
        return self.get_model().objects.all()

注：搜素信息在哪张表上，就指定哪张表

1.6搜索信息管理文件

在模板目录下创建templates/search/indexes/应用名/模型名称_text.txt文件，编辑可搜索内容

 

{{object.title}}
{{object.author}}
{{object.content}}

注：这里代表对这三指定字段进行搜索

1.7构建搜索结果展示页面

在应用目录下创建templates/search/search.html展示结果页面

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

 注：我们的搜素结果将在这个页面进行渲染，注意上面的字段是否和你的数据库一致

 

1.8改变分词方式

在你的虚拟环境中找

在上面的目录中创建ChineseAnalyzer.py文件，代码如下：

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()

然后，复制whoosh_backend.py文件，改为如下名称

whoosh_cn_backend.py

打开复制出来的新文件，引入中文分析类，内部采用结巴分词

查找
analyzer=StemmingAnalyzer()
改为
analyzer=ChineseAnalyzer()

 

1.9 初始化索引数据

python manage.py rebuild_index

按提示输入y后回车，生成索引

然后，

看见这个代表你以上的配置全部ok，恭喜你，索引生成后目录结构如下图

 

来，我们来测试一波，看看效果如何，先搜索。

 

看结果：