投稿
  1. 首页
  2. python

Haystack全文检索

黑信 • 2022-6-3 • python • 阅读 24

Haystack全文检索,第1张

概述Haystack 1.什么是Haystack Haystack是django的开源全文搜索框架(全文检索不同于特定字段的模糊查询，使用全文检索的效率更高 )，该框架支持Solr,Elasticsearch,Whoosh, **Xapian搜索引擎它是一个可插拔的后端（很像Django的数据库层），所以几乎你所有写的代码都可以在不同搜索引擎之间便捷切换 全文检索不同于特定字段的模糊查询，使用全文检索 haystack 1.什么是haystack

haystack是django的开源全文搜索框架(全文检索不同于特定字段的模糊查询，使用全文检索的效率更高 )，该框架支持Solr,Elasticsearch,Whoosh, **XAPIan搜索引擎它是一个可插拔的后端（很像Django的数据库层），所以几乎你所有写的代码都可以在不同搜索引擎之间便捷切换

全文检索不同于特定字段的模糊查询，使用全文检索的效率更高，并且能够对于中文进行分词处理

haystack：django的一个包，可以方便地对model里面的内容进行索引、搜索，设计为支持whoosh,solr,XAPIan,Elasticsearc四种全文检索引擎后端，属于一种全文检索的框架

whoosh：纯Python编写的全文搜索引擎，虽然性能比不上sphinx、xAPIan、Elasticsearc等，但是无二进制包，程序不会莫名其妙的崩溃，对于小型的站点，whoosh已经足够使用

jIEba：一款免费的中文分词包，如果觉得不好用可以使用一些收费产品

2.安装 
pip install django-haystack
pip install whoosh
pip install jIEba
3.配置

###添加haystack到INSTALLED_APPS

跟大多数Django的应用一样，你应该在你的设置文件(通常是settings.py)添加haystack到INSTALLED_APPS. 示例： 

INSTALLED_APPS = [
    ‘django.contrib.admin‘,
    ‘django.contrib.auth‘,
    ‘django.contrib.ContentTypes‘,
    ‘django.contrib.sessions‘,
    ‘django.contrib.sites‘,
?
    # 添加
    ‘haystack‘,
?
    # 你的app
    ‘blog‘,
]

###修改settings.py

在你的settings.py中，你需要添加一个设置来指示站点配置文件正在使用的后端，以及其它的后端设置。 haystack——CONNECTIONS是必需的设置，并且应该至少是以下的一种：

Solr示例 
haystack_CONNECTIONS = {
    ‘default‘: {
        ‘ENGINE‘: ‘haystack.backends.solr_backend.solrEngine‘,
        ‘URL‘: ‘http://127.0.0.1:8983/solr‘
        # ...or for multicore...
        # ‘URL‘: ‘http://127.0.0.1:8983/solr/mysite‘,
   },
}
Elasticsearch示例 
haystack_CONNECTIONS = {
    ‘default‘: {
        ‘ENGINE‘: ‘haystack.backends.elasticsearch_backend.ElasticsearchSearchEngine‘,
        ‘URL‘: ‘http://127.0.0.1:9200/‘,
        ‘INDEX_name‘: ‘haystack‘,
}
Whoosh示例 
#需要设置PATH到你的Whoosh索引的文件系统位置
import os
haystack_CONNECTIONS = {
    ‘default‘: {
        ‘ENGINE‘: ‘haystack.backends.whoosh_backend.WhooshEngine‘,
        ‘PATH‘: os.path.join(os.path.dirname(__file__),‘whoosh_index‘),
}
?
# 自动更新索引
haystack_SIGNAL_PROCESSOR = ‘haystack.signals.RealtimeSignalProcessor‘
XAPIan示例 
#首先安装XAPIan后端（http://github.com/notanumber/xAPIan-haystack/tree/master）
#需要设置PATH到你的XAPIan索引的文件系统位置。
import os
haystack_CONNECTIONS = {
    ‘default‘: {
        ‘ENGINE‘: ‘xAPIan_backend.XAPIanEngine‘,‘xAPIan_index‘),
}
4.处理数据 创建索引

如果你想针对某个app例如blog做全文检索，则必须在blog的目录下面建立search_indexes.py文件，文件名不能修改 

from haystack import indexes
from app01.models import Article
?
class ArticleIndex(indexes.SearchIndex,indexes.Indexable):
    #类名必须为需要检索的Model_name+Index，这里需要检索Article，所以创建ArticleIndex
    text = indexes.CharFIEld(document=True,use_template=True)#创建一个text字段 
    #其它字段
    desc = indexes.CharFIEld(model_attr=‘desc‘)
    content = indexes.CharFIEld(model_attr=‘content‘)
?
    def get_model(self):#重载get_model方法，必须要有！
        return Article
?
    def index_queryset(self,using=None):
        return self.get_model().objects.all()

为什么要创建索引？索引就像是一本书的目录，可以为读者提供更快速的导航与查找。在这里也是同样的道理，当数据量非常大的时候，若要从这些数据里找出所有的满足搜索条件的几乎是不太可能的，将会给服务器带来极大的负担。所以我们需要为指定的数据添加一个索引（目录），在这里是为Note创建一个索引，索引的实现细节是我们不需要关心的，至于为它的哪些字段创建索引，怎么指定,下面开始讲解

每个索引里面必须有且只能有一个字段为 document=True，这代表haystack 和搜索引擎将使用此字段的内容作为索引进行检索(primary fIEld)。其他的字段只是附属的属性，方便调用，并不作为检索数据

注意：如果使用一个字段设置了document=True，则一般约定此字段名为text，这是在ArticleIndex类里面一贯的命名，以防止后台混乱，当然名字你也可以随便改，不过不建议改。

另外，我们在text字段上提供了use_template=True。这允许我们使用一个数据模板（而不是容易出错的级联）来构建文档搜索引擎索引。你应该在模板目录下建立新的模板search/indexes/blog/article_text.txt，并将下面内容放在里面。 

#在目录“templates/search/indexes/应用名称/”下创建“模型类名称_text.txt”文件
{{ object.Title }}
{{ object.desc }}
{{ object.content }}

这个数据模板的作用是对Note.Title, Note.user.get_full_name,Note.body这三个字段建立索引，当检索的时候会对这三个字段做全文检索匹配

5.设置视图 添加SearchVIEw到你的URLconf

在你的URLconf中添加下面一行：

(r‘^search/‘,include(‘haystack.urls‘)),

这会拉取haystack的默认URLconf，它由单独指向SearchVIEw实例的URLconf组成。你可以通过传递几个关键参数或者完全重新它来改变这个类的行为。

搜索模板

你的搜索模板(默认在search/search.HTML)将可能非常简单。下面的足够让你的搜索运行(你的template/block应该会不同)

<!DOCTYPE HTML>
<HTML>
<head>
    <Title></Title>
    <style>
        span.highlighted {
            color: red;
       }
    </style>
</head>
<body>
{% load highlight %}
{% if query %}
    <h3>搜索结果如下：</h3>
   {% for result in page.object_List %}
{#       <a href="/{{ result.object.ID }}/">{{ result.object.Title }}</a><br/>#}
        <a href="/{{ result.object.ID }}/">{%   highlight result.object.Title with query max_length 2%}</a><br/>
        <p>{{ result.object.content|safe }}</p>
        <p>{% highlight result.content with query %}</p>
   {% 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 }}&amp;page={{ page.prevIoUs_page_number }}">{% endif %}&laquo; 上一页
           {% if page.has_prevIoUs %}</a>{% endif %}
            |
           {% if page.has_next %}<a href="?q={{ query }}&amp;page={{ page.next_page_number }}">{% endif %}下一页 &raquo;
           {% if page.has_next %}</a>{% endif %}
        </div>
   {% endif %}
{% endif %}
</body>
</HTML>

需要注意的是page.object_List实际上是SearchResult对象的列表。这些对象返回索引的所有数据。它们可以通过{{result.object}}来访问。所以{{ result.object.Title}}实际使用的是数据库中Article对象来访问Title字段的。

重建索引

现在你已经配置好了所有的事情，是时候把数据库中的数据放入索引了。haystack附带的一个命令行管理工具使它变得很容易。

简单的运行./manage.py rebuild_index。你会得到有多少模型进行了处理并放进索引的统计。

6.使用jIEba分词 
#建立ChineseAnalyzer.py文件
#保存在haystack的安装文件夹下，路径如“D:\python3\lib\site-packages\haystack\backends”
?
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()
?
#复制whoosh_backend.py文件，改名为whoosh_cn_backend.py
#注意：复制出来的文件名，末尾会有一个空格，记得要删除这个空格
from .ChineseAnalyzer import ChineseAnalyzer 
查找
analyzer=stemmingAnalyzer()
改为
analyzer=ChineseAnalyzer()
7.在模版中创建搜索栏 
<form method=‘get‘ action="/search/" target="_blank">
    <input type="text" name="q">
    <input type="submit" value="查询">
</form>
8.其它配置 增加更多变量 
?
from haystack.vIEws import SearchVIEw  
from .models import *  
      
class MySeachVIEw(SearchVIEw):  
     def extra_context(self):       #重载extra_context来添加额外的context内容  
         context = super(MySeachVIEw,self).extra_context()  
         sIDe_List = topic.objects.filter(kind=‘major‘).order_by(‘add_date‘)[:8]  
         context[‘sIDe_List‘] = sIDe_List  
         return context  
?
        
#路由修改
url(r‘^search/‘,search_vIEws.MySeachVIEw(),name=‘haystack_search‘), 
高亮显示 
{% highlight result.summary with query %}  
# 这里可以限制最终{{ result.summary }}被高亮处理后的长度  
{% highlight result.summary with query max_length 40 %}  
?
#HTML中
    <style>
        span.highlighted {
            color: red;
       }
    </style>
总结

以上是内存溢出为你收集整理的Haystack全文检索全部内容，希望文章能够帮你解决Haystack全文检索所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。

欢迎分享，转载请注明来源：内存溢出

原文地址: https://outofmemory.cn/langs/1198030.html

赞 (0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
黑信 黑信 一级用户组
0 0
上一篇 2022-06-03
下一篇 2022-06-03

发表评论

登录后才能评论

评论列表（0条）

保存