如何在Django中使用Whoosh進行全文檢索

這篇文章給大家介紹如何在Django中使用Whoosh進行全文檢索，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

Whoosh 是純Python實現的全文搜索引擎，通過Whoosh可以很方便的給文檔加上全文索引功能。

什么是全文檢索

簡單講分為兩塊，一塊是分詞，一塊是搜索。比如下面一段話：

上次舞蹈演出直接在上海路的弄堂里

比如我們現在想檢索上次的演出，通常我們會直接搜索關鍵詞： 上次演出 ，但是使用傳統的SQL like 查詢并不能命中上面的這段話，因為在 上次 和 演出 中間還有 舞蹈 。然而全文搜索卻將上文切成一個個Token，類似：

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)，這樣我們就可以通過關鍵字很快查詢到了結果了。

解決分詞問題

分詞是個很有技術難度的活，比如上面的語句中一個難點就是到底是 上海路 還是 上海 呢？Python有個中文分詞庫： 結巴分詞 ，我們可以通過結巴分詞來完成索引中分詞工作，結巴分詞提供了Whoosh的組件可以直接集成，代碼示例

遇到的問題

如果是在一些VPS上測試的時候非常慢的話可能是內存不足，比如512MB做一個博客索引非常慢，嘗試升級到1GB后可以正常使用了。

代碼

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()

關于如何在Django中使用Whoosh進行全文檢索就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。