基於python+whoosh的全文檢索實現
阿新 • • 發佈:2018-11-01
whoosh的官方介紹:http://whoosh.readthedocs.io/en/latest/quickstart.html
因為做的是中文的全文檢索需要匯入jieba工具包以及whoosh工具包
直接上程式碼吧
from whoosh.qparser import QueryParser from whoosh.index import create_in from whoosh.index import open_dir from whoosh.fields import * from jieba.analyse import ChineseAnalyzer from get_comment import SQL from whoosh.sorting import FieldFacet analyser = ChineseAnalyzer() #匯入中文分詞工具 schema = Schema(phone_name=TEXT(stored=True, analyzer=analyser), price=NUMERIC(stored=True), phoneid=ID(stored=True))# 建立索引結構 ix = create_in("path", schema=schema, indexname='indexname') #path 為索引建立的地址,indexname為索引名稱 writer = ix.writer() writer.add_document(phone_name='name',price ="price",phoneid ="id") # 此處為新增的內容 print("建立完成一個索引") writer.commit() # 以上為建立索引的過程 new_list = [] index = open_dir("indexpath", indexname='comment') #讀取建立好的索引 with index.searcher() as searcher: parser = QueryParser("要搜尋的專案,比如“phone_name", index.schema) myquery = parser.parse("搜尋的關鍵字") facet = FieldFacet("price", reverse=True) #按序排列搜尋結果 results = searcher.search(myquery, limit=None, sortedby=facet) #limit為搜尋結果的限制,預設為10,詳見部落格開頭的官方文件 for result1 in results: print(dict(result1)) new_list.append(dict(result1))
注:
Whoosh 有一些很有用的預定義 field types,你也可以很easy的建立你自己的。 whoosh.fields.ID 這個型別簡單地將field的值索引為一個獨立單元(這意味著,他不被分成單獨的單詞)。這對於檔案路徑、URL、時間、類別等field很有益處。 whoosh.fields.STORED 這個型別和文件儲存在一起,但沒有被索引。這個field type不可搜尋。這對於你想在搜尋結果中展示給使用者的文件資訊很有用。 whoosh.fields.KEYWORD 這個型別針對於空格或逗號間隔的關鍵詞設計。可索引可搜尋(部分儲存)。為減少空間,不支援短語搜尋。 whoosh.fields.TEXT 這個型別針對文件主體。儲存文字及term的位置以允許短語搜尋。 whoosh.fields.NUMERIC 這個型別專為數字設計,你可以儲存整數或浮點數。 whoosh.fields.BOOLEAN 這個型別儲存bool型 whoosh.fields.DATETIME 這個型別為 datetime object而設計(更多詳細資訊) whoosh.fields.NGRAM 和 whoosh.fields.NGRAMWORDS 這些型別將fiel文字和單獨的term分成N-grams(更多Indexing & Searching N-grams的資訊)