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
官方文档:
http://django-haystack.readthedocs.io/en/v2.4.1/tutorial.html
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]
..
#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,修改路由配置如下:
..
urlptterns=[
..
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
from . import models
class ArticleIndex(indexes.SearchIndex,indexes.Indexable):
text=index.CharField(document=True,use_template=True)
def index.queryset(self,using=None):
return self.get_model().object.all()
1.6搜索信息管理文件
在应用目录中创建templates/search/indexes/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
在应用目录中创建templates/search/search.html展示结果页面
<!DOCTYPE html>
<html>
<head>
<title></title>
</head>
<body>
{% if query %}
<h3>搜索结果如下:</h3>
{% for result in page.object_list %}
<a href="/{{ result.object.id }}/">{{ result.object.gName }}</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 }}&page={{ page.previous_page_number }}">
« 上一页</a>
{% else %}
« 上一页
{% endif %}
|
{% if page.has_next %}
<a href="?q={{ query }}&page={{ page.next_page_number }}">
下一页 »</a>
{% else %}
下一页 »
{% endif %}
</div>
{% endif %}
{% endif %}
</body>
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/目录下的分词后台处理文件whoose_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,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
在需要搜索红牛的网页中,添加搜索表单
<form action=’/search/’ target=’_blank’>
<input type=’text’ name=’q’ placeholder=’请输入关键词’/>
<input type=’submit’ value=’搜索’/>
</form>