02.pyton與whoosh的全文檢索功能實現
阿新 • • 發佈:2020-10-16
1.基本介紹
本文主要講的是前後端分離
前後端不分離:https://www.cnblogs.com/xiaonq/p/12363589.html
1.1 安裝
pip install drf-haystack # django的開源搜尋框架
pip install whoosh # 搜尋引擎
pip install jieba # 中文分詞Jieba,由於Whoosh自帶的是英文分詞,對中文的分詞支援 不是太好多以我們使用jieba分詞
1.2 什麼是haystack?
- haystack是django的開源搜尋框架,該框架支援 Solr,Elasticsearch,Whoosh, Xapian 搜尋引擎,不用更改程式碼,直接切換引擎,減少程式碼量。
- 搜尋引擎使用Whoosh,這是一個由純Python實現的全文搜尋引擎,沒有二進位制檔案等,比較小巧,配置比較簡單,當然效能自然略低。
- 中文分詞Jieba,由於Whoosh自帶的是英文分詞,對中文的分詞支援不是太好,故用jieba替換whoosh的分片語件。
2.配置使用
2.1 syl/settings.py 全文檢索配置
-
1.註冊app
INSTALLED_APPS = [
'haystack', # haystack要放在應用的上面
]
-
2.模板路徑
TEMPLATES = [ { 'DIRS': [ os.path.join(BASE_DIR,'templates') ], }, ]
-
3.全文檢索配置
# 全文檢索配置 HAYSTACK_SEARCH_RESULTS_PER_PAGE = 15 # 搜尋出多條資料時需要分頁 HAYSTACK_CONNECTIONS = { 'default': { # 'ENGINE': 'haystack.backends.whoosh_backend.WhooshEngine', 'ENGINE': 'course.whoosh_cn_backend.MyWhooshEngine', 'PATH': os.path.join(BASE_DIR, 'whoosh_index'), # 指定倒排索引 存放位置 }, } # ES引擎 # HAYSTACK_CONNECTIONS = { # 'default': { # 'ENGINE': # 'haystack.backends.elasticsearch_backend.ElasticsearchSearchEngine', # 'URL': 'http://10.211.55.15:9200/', # Elasticsearch伺服器ip地址,埠號固 定為9200 # 'INDEX_NAME': 'syl', # Elasticsearch建立的反向索引庫的名稱 # } # } # 新增此項,當資料庫改變時,會自動更新索引,非常方便 HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'
2.2 在子應用下建立索引檔案
- apps/course/search_indexes.py
# -*- coding: utf-8 -*-
# apps/course/search_indexes.py
# 在子應用下建立索引檔案
# 檔名必須是 search_indexes.py
from haystack import indexes
from .models import Course
# 修改此處,類名為模型類的名稱+Index,比如模型類為GoodsInfo,則這裡類名為GoodsInfoIndex(其 實可以隨便寫)
class CourseIndex(indexes.SearchIndex, indexes.Indexable):
""" Course索引類 """
# text為索引欄位
# document = True,這代表haystack和搜尋引擎將使用此欄位的內容作為索引進行檢索
# use_template=True 指定根據表中的那些欄位建立索引檔案的說明放在一個檔案中
text = indexes.CharField(document=True, use_template=True)
# 對那張表進行查詢
def get_model(self): # 過載get_model方法,必須要有
"""返回建立索引的模型類"""
return Course # 返回這個model
# 建立索引的資料
def index_queryset(self, using=None):
"""返回要建立索引的資料查詢集"""
# 這個方法返回什麼內容,最終就會對那些方法建立索引,這裡是對所有欄位建立索引
return self.get_model().objects.all()
2.3 指定索引模板檔案
-
templates/search/indexes/course/course_text.txt
-
# 建立檔案路徑命名必須這個規範:templates/search/indexes/應用名稱/模型類名稱 _text.txt
-
#course_text.txt 加入需要檢索的欄位 可參考搜尋引擎的工作原理 {{object.id}} {{object.title}} {{object.desc}}
2.4 修改為jieba分詞中的中文分析器
- apps/course/whoosh_cn_backend.py
# -*- coding: utf-8 -*-
# 修改為jieba分詞中的中文分析器
# apps/course/whoosh_cn_backend.py
# 更換 text 欄位的 分析方式, 變為jieba分詞中的中文分析器
from haystack.backends.whoosh_backend import WhooshEngine, WhooshSearchBackend
from whoosh.fields import TEXT
from jieba.analyse import ChineseAnalyzer
class MyWhooshSearchBackend(WhooshSearchBackend):
def build_schema(self, fields):
(content_field_name, schema) = super().build_schema(fields)
# 指定whoosh使用jieba進行分詞
schema._fields['text'] = TEXT(stored=True, analyzer=ChineseAnalyzer(), field_boost=fields.get('text').boost,
sortable=True)
return (content_field_name, schema)
class MyWhooshEngine(WhooshEngine):
backend = MyWhooshSearchBackend
2.5 課程全文檢索介面檢視函式
- course/views.py
#有的使用strings導不出來可以使用這個 from django.conf import settings
from syl import settings
from django.core.paginator import InvalidPage, Paginator
from haystack.forms import ModelSearchForm
from django.http import JsonResponse
# 課程全文檢索介面檢視函式
# 如果settings.py中配置就是用settings中配置的,否則就每頁15條
RESULTS_PER_PAGE = getattr(settings, 'HAYSTACK_SEARCH_RESULTS_PER_PAGE', 15)
def course_index_search(request):
query = request.GET.get('q', None)
page = int(request.GET.get('page', 1)) # 第幾頁
page_size = int(request.GET.get('page_size', RESULTS_PER_PAGE)) # 每頁多少條
if query:
form = ModelSearchForm(request.GET, load_all=True) # 將查詢條件傳遞給查詢物件
if form.is_valid():
results = form.search() # 查詢出來的最終資料
else:
results = []
else:
return JsonResponse({"code": 404, "msg": 'No file found!', "data": []})
# 對結果集進行分頁
paginator = Paginator(results, page_size)
try:
page = paginator.page(page) # 從分好的頁中拿第幾頁
except InvalidPage: # 如果分頁出錯
return JsonResponse({"code": 404, "msg": 'No file found!', "data": []})
jsondata = []
for result in page.object_list: # 分頁後的課程查詢結果
data = {
'id': result.object.id,
'title': result.object.title,
'desc': result.object.desc,
'img': request.scheme + '://' + request.META['HTTP_HOST'] + result.object.img.url,
# 'follower': result.object.follower,
'learner': result.object.learner,
'status': result.object.status,
'course_type': result.object.course_type.id
}
jsondata.append(data)
print(jsondata)
result = {
"code": 200,
"msg": 'Search successfully!',
"data": {"count": page.paginator.count, "results": jsondata}
}
return JsonResponse(result)
2.6 syl/urls.py 新增路由
urlpatterns = [
path('search/', course_index_search),
]
2.7 命令構建倒排索引
python manage.py rebuild_index
3.測試課程全文檢索
-
測試介面
http://192.168.56.100:8888/search/?q=入門&page=1&page_size=1
- 返回結果
{
"code": 200,
"msg": "Search successfully!",
"data": {
"count": 2,
"results": [
{
"id": 1,
"title": "Python 新手入門課",
"desc": "極度舒適的新手入門課程,面向完全沒有程式設計基礎的同學。你將在一下午入門 Linux、Python 基礎和Github 常用命令,為未來的程式設計大樓打下穩固的基礎。",
"img": "http://192.168.56.100:8888/media/course/Python%20%E6%96%B0%E6%89%8B%E5%85%A5%E9%97%A8%E8%AF%BE.png",
"learner": 68302,
"status": "1",
"course_type": 3
}
]
}
}