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SQL like 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(inverted indexing)，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

import logging
import os
import shutil
from django.conf import settings

from whoosh.fields import Schema, ID, TEXT, NUMERIC
from whoosh.index import create_in, open_dir
from whoosh.qparser import MultifieldParser
from jieba.analyse import ChineseAnalyzer

from .models import Article

log = logging.getLogger(__name__)

index_dir = os.path.join(settings.BASE_DIR, "whoosh_index")

indexer = open_dir(index_dir)


def articles_search(keyword):

 mp = MultifieldParser(
 ['content', 'title'], schema=indexer.schema, fieldboosts={'title': 5.0})
 query = mp.parse(keyword)

 with indexer.searcher() as searcher:
 results = searcher.search(query, limit=15)

 articles = []
 for hit in results:
 log.debug(hit)
 articles.append({
 'id': hit['id'],
 'slug': hit['slug'],
 })

 return articles


def rebuild():
 if os.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)
 for article in published_articles:
 writer.add_document(
 id=str(article.id),
 slug=article.slug,
 title=article.title,
 content=article.content,
 )
 writer.commit()


def article_update_index(article):
 '''
 updating an article to indexer, adding if not.
 '''
 writer = indexer.writer()
 writer.update_document(
 id=str(article.id),
 slug=article.slug,
 title=article.title,
 content=article.content,
 )

 writer.commit()


def article_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脚本之家。