Django中使用Whoosh进行全文检索的方法
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SQLlike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(invertedindexing)，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
importlogging
importos
importshutil
fromdjango.confimportsettings
fromwhoosh.fieldsimportSchema,ID,TEXT,NUMERIC
fromwhoosh.indeximportcreate_in,open_dir
fromwhoosh.qparserimportMultifieldParser
fromjieba.analyseimportChineseAnalyzer
from.modelsimportArticle
log=logging.getLogger(__name__)
index_dir=os.path.join(settings.BASE_DIR,"whoosh_index")
indexer=open_dir(index_dir)
defarticles_search(keyword):
mp=MultifieldParser(
['content','title'],schema=indexer.schema,fieldboosts={'title':5.0})
query=mp.parse(keyword)
withindexer.searcher()assearcher:
results=searcher.search(query,limit=15)
articles=[]
forhitinresults:
log.debug(hit)
articles.append({
'id':hit['id'],
'slug':hit['slug'],
})
returnarticles
defrebuild():
ifos.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)
forarticleinpublished_articles:
writer.add_document(
id=str(article.id),
slug=article.slug,
title=article.title,
content=article.content,
)
writer.commit()
defarticle_update_index(article):
'''
updatinganarticletoindexer,addingifnot.
'''
writer=indexer.writer()
writer.update_document(
id=str(article.id),
slug=article.slug,
title=article.title,
content=article.content,
)
writer.commit()
defarticle_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毛票票。