python django使用haystack:全文检索的框架(实例讲解)

概述haystack：全文检索的框架whoosh：纯Python编写的全文搜索引擎jieba：一款免费的中文分词包

haystack：全文检索的框架

whoosh：纯Python编写的全文搜索引擎

jIEba：一款免费的中文分词包

首先安装这三个包

pip install django-haystack
pip install whoosh
pip install jIEba

1.修改settings.py文件，安装应用haystack，

2.在settings.py文件中配置搜索引擎

haystack_CONNECTIONS = { 'default': {  # 使用whoosh引擎  'ENGINE': 'haystack.backends.whoosh_cn_backend.WhooshEngine',# 索引文件路径  'PATH': os.path.join(BASE_DIR,'whoosh_index'),}}# 当添加、修改、删除数据时，自动生成索引haystack_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'

3. 在templates目录下创建“search/indexes/blog/”目录 采用blog应用名字下面创建一个文件blog_text.txt
#指定索引的属性

{{ object.Title }}
{{ object.text}}
{{ object.keywords }}

4.在需要搜索的应用下面创建search_indexes

from haystack import indexesfrom models import Post #指定对于某个类的某些数据建立索引class GoodsInfoIndex(indexes.SearchIndex,indexes.Indexable):  text = indexes.CharFIEld(document=True,use_template=True) def get_model(self):   return Post #搜索的模型类 def index_queryset(self,using=None):    return self.get_model().objects.all()

5.

1. 修改haystack文件

2. 找到虚拟环境py_django下的haystack目录 这个目录根据自己使用的python环境不同，路径也不一样。

3. site-packages/haystack/backends/ 创建一个文件名为ChineseAnalyzer.py文件写入下面代码，用于中文分词

import jIEbafrom 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()

6.

1. 复制whoosh_backend.py文件，改为如下名称

whoosh_cn_backend.py

在复制出来的文件中导入中文分词模块

from .ChineseAnalyzer import ChineseAnalyzer

2. 更改词语分析类 改成中文

查找analyzer=stemmingAnalyzer()改为analyzer=ChineseAnalyzer()

7. 最后一步就是建初始化索引数据

python manage.py rebuild_index

8. 创建搜索模板 在templates/indexes/ 创建search.HTML模板

搜索结果进行分页，视图向模板中传递的上下文如下

query：搜索关键字

page：当前页的page对象

paginator：分页paginator对象

9. 在自己的应用视图中导入模块

from haystack.generic_vIEws import SearchVIEw

定义一个类重写get_context_data 方法，这样就可以往模板中传递自定义的上下文。

class GoodsSearchVIEw(SearchVIEw):　　def get_context_data(self,*args,**kwargs):　　　　context = super().get_context_data(*args,**kwargs)　　　　context['iscart']=1　　　　context['qwJs']=2　　　　return context

应用的urls文件中添加这条url 将类当一个视图的方法使用 .as_vIEw()

url('^search/$',vIEws.BlogSearchVIEw.as_vIEw())

以上这篇python django使用haystack:全文检索的框架(实例讲解)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持编程小技巧。

总结

以上是内存溢出为你收集整理的python django使用haystack:全文检索的框架(实例讲解)全部内容，希望文章能够帮你解决python django使用haystack:全文检索的框架(实例讲解)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。