Django 引入全文检索
1.安装模块
全文检索管理模块haystack、全文搜索引擎模块whoosh和中文分词jieba
pip install haystack whoosh jieba
通过上述安装方式haystack可能会缺少文件，如果出现这种情况，可以先
pip uninstall haystack
然后
pip install django-haystack
因此推荐分别安装
pip install whoosh jieba
pip install django-haystack
2.Django项目中添加haystack应用
在setting.py文件中引入haystack
haystack一定要在自己的所有子项目前引入
image.png
3.项目中添加搜索引擎配置
在setting.py文件的最后，添加如下配置代码：
# 搜索引擎配置
HAYSTACK_CONNECTIONS = {
'default': {
'ENGINE': 'haystack.backends.whoosh_cn_backend.WhooshEngine',
'PATH': os.path.join(BASE_DIR, 'whoosh_index'),
}
}
# 自动更新加载中文分词索引支持
HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'
4.配置全文检索路由
urlpatterns = [
...
url(r'^search/', include('haystack.urls')),
...
5.搜索管理模块
在应用模块下创建search_indexes.py模块文件，管理搜索的数据模型
from haystack import indexes
from . import models
class GoodsIndexes(indexes.SearchIndex, indexes.Indexable):
text = indexes.CharField(document=True, use_template=True)
def get_model(self):
return models.GoodsInfo # 返回要搜索的数据模型
def index_queryset(self, using=None):
return self.get_model().objects.all()
image.png
6.搜索信息管理文件
在应用目录中创建templates/search/indexes/模型名称_text.txt文件，编辑可搜索内容
image.png
文件中添加要搜索的内容
{{object.goods_name（数据模型中定义的属性）}}
image.png
7.构建搜索结果展示页面
在应用目录中创建templates/search/search.html展示结果页面
image.png
<!DOCTYPE html>
<html>
<head>
<title></title>
</head>
<body>
{% if query %}
<h3>搜索结果如下：</h3>
{% for result in page.object_list %}
<a href="/{{ result.object.id }}/">{{ result.object.gName(属性名称) }}</a><br/>
{% 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 }}&page={{ page.previous_page_number }}">
« 上一页</a>
{% else %}
« 上一页
{% endif %}
|
{% if page.has_next %}
<a href="?q={{ query }}&page={{ page.next_page_number }}">
下一页 »</a>
{% else %}
下一页 »
{% endif %}
</div>
{% endif %}
{% endif %}
</body>
</html>
8.构建中文分词分析模块【改写haystack的分词模块】
whoosh作为一个全文搜索引擎模块，分词功能和检索功能已经非常强大，但是针对中文的处理还是比较欠缺，所以通过Jieba模块重写分词操作，支持whoose对中文的强大操作
打开安装的whoosh模块目录，在python安装目录的site_packages/目录下找到对应的目录文件haystack/backends/，创建一个新的中文分词模块ChineseAnalyzer.py
image.png
在ChineseAnalyzer.py文件中添加如下代码：
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()
找到whoosh中文分词模块site_packages/haystack/backends/目录中的分词后台处理文件whoosh_backend.py，复制为whoosh_cn_backend.py，编辑内部内容
..
from .ChineseAnalyzer import ChineseAnalyzer
..
找到搜索查询赋值参数>>analyzer=StemmingAnalyzer()
将分析器对象更改为我们自定义的中文分词分析器>>
analyzer=ChineseAnalyzer()
image.png
image.png
image.png
9.初始化分词索引
完成上述工作之后，中文分词全文检索已经完成，我们的项目中支持对Article数据对象的中文分词全文搜索功能了，接下来针对已经建立好的项目数据进行索引数据的初始化
python manage.py rebuild_index
image.png
image.png
image.png
10.搜索
在你的html页面中加入如下代码，便可在搜索框进行搜索
<form action=’/search/’ target=’_blank’>
<input type=’text’ name=’q’ placeholder=’请输入关键词’/>
<input type=’submit’ value=’搜索’/>
</form>
image.png
11.效果
image.png
image.png
image.png
