全文检索概述
- 全文检索就是针对所有内容进行动态匹配搜索的概念，针对特定的关键词进行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中进行的模糊查询，但是模糊查询是针对整体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会使用模糊查询进行操作。
PS：如果你开发的项目用户量较少并且项目数据较少的情况下，模糊查询是你值得操作的选项，毕竟开发成本较低。
3.python提供了各种全文检索的模块进行，最常见的如haystack模块进行全文检索整体管理操作，后台使用诸如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
操作步骤
1.1.安装模块
首先安装我们全文检索管理模块haystack、全文搜索引擎模块whoosh和中文分词jieba
1.2. Django项目中添加haystack应用
haystack作为一个全文检索管理模块，是一个已经开发好的子模块应用，通过Django项目的配置文件中INSTALLED_APPS选项添加到项目中。
INSTALLED_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
HAYSTACK_CONNECTIONS = {
'default': {
'ENGINE': 'haystack.backends.whoosh_cn_backend.WhooshEngine',
'PATH': os.path.join(BASE_DIR, 'whoosh_index'),
}
}
# 自动更新加载中文分词索引支持
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，修改路由配置文件如下
..
urlpatterns = [
url(r'^search/$', include('haystack.urls')),
]
1.5 搜索管理模块
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 . import models
class ArticleIndex(indexes.SearchIndex, indexes.Indexable):
text = indexes.CharField(document=True, use_template=True)
def get_model(self):
return models.Article
def index_queryset(self, using=None):
return self.get_model().objects.all()
1.6 搜索信息管理文件
在应用目录中创建templates/search/indexes/子应用名称/模型名称_text.txt文件，编辑可搜索内容
{{object.content}}
1.7 构建搜索结果展示页面
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>Title</title>
</head>
<body>
{% if query %}
<h3>搜索结果</h3>
{% for result in page.object_list %}
<p>
<a href="{% url 'myblog:article_detail' result.object.id%}">
{{result.object.title}}
</a>
</p>
{% empty %}
<p>没有搜索结果</p>
{% endfor %}
{% endif %}
</body>
</html>
1.8 构建中文分词分析模块【改写haystack的分词模块】
whoosh作为一个全文搜索引擎模块，分词功能和检索功能已经非常强大，但是针对中文的处理还是比较欠缺，所以通过Jieba模块重写分词操作，支持whoose对中文的强大操作
打开安装的whoosh模块目录，在python安装目录的site_packages/目录下找到对应的目录文件haystack/backends/，创建一个新的中文分词模块ChineseAnalyzer.py
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()
找到whoosh中文分词模块site_packages/haystack/backends/目录中的分词后台处理文件whoosh_backend.py，复制为whoosh_cn_backend.py，编辑内部内容
.
from .ChineseAnalyzer import ChineseAnalyzer
..
# 搜索查询赋值参数
analyzer=StemmingAnalyzer()
# 将分析器对象更改为我们自定义的中文分词分析器
analyzer=ChineseAnalyzer()
1.9 初始化分词索引
完成上述工作之后，中文分词全文检索已经完成，我们的项目中支持对Article数据对象的中文分词全文搜索功能了，接下来针对已经建立好的项目数据进行索引数据的初始化
>>> python manage.py rebuild_index
1.10 搜索
<form action=’/search/’ target=’_blank’>
<input type=’text’ name=’q’ placeholder=’请输入关键词’/>
<input type=’submit’ value=’搜索’/>
</form>
网友评论