面试-hystack全文检索

1、介绍

　　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。

2、各组件安装

'''
- 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,Elasticsearch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。
'''

二 Haystack安装

# pip install django-haystack
# pip install whoosh
# pip install jieba

三 Haystack的安装配置

1、Django配置settings添加 "INSTALLED_APPS"

'''
添加Haystack到Django的`INSTALLED_APPS`中。
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。
'''
INSTALLED_APPS = [
    'django.contrib.admin',
    'django.contrib.auth',
    'django.contrib.contenttypes',
    'django.contrib.sessions',
    'django.contrib.sites',

    # 添加
    'haystack',

    # 你的app
    'blog',
]

2、在Django的settings中添加 "搜索引擎" 配置

　　搜索引擎是一个可以通过搜索关键字搜索出数据的第三方插件！就像我们平时用的百度。百度其实是先把数据是爬回来的，然后通过搜索引擎来搜索数据。全文检索就是只要你百度里面有tank这个人，那他都能搜索出来。不过不只是标题有，只要文字里面有，都能找出来！问题是如果是查标题还好，但是如果全文查找是不是有可能数据有10万100万条，那你怎么找？每一次过来都得在这堆数据里面查找。这样的话你的机器就会扛不住！所以我们出现了搜索引擎。搜索引擎的原理就是数据库里面无论有多少数据，都会在搜索引擎里面添加一份数据，每次搜索数据就是相当于从搜索引擎里面查数据，所以效率特别快！

'''
搜索引擎也有很多种，至于使用哪一种就看你的选择。其中Whoosh搜索引擎是python写的，所以它与python最为搭配！
无论选择的是哪一个搜索引擎都需要去settings里面配置。
'''

# 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',
        'PATH': os.path.join(os.path.dirname(__file__), 'xapian_index'),
    },
}

多种搜索引擎配置

四处理数据

　　若想针对某个app做全文检索（例如blog），得先创建索引。则必须在blog的目录下面建立一个py文件，文件名必须为search_indexes.py。

1、创建索引

　　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，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。

search_indexes.py

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()

创建索引

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。

2、添加搜索字段

　　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。

# 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 }}

templates.search.indexes.当前应用名.article_text.txt

五视图设置

1、添加url

　　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。

url(r'^search/', include('haystack.urls')),

urls.py

2、搜索模板

　　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)

templates.search.search.html

<!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.name }}</a><br/>#}
        <a href="/{{ result.object.id }}/">{%   highlight result.object.name 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>

搜索模板

　　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。

3、重建索引

　　上述已经配置好了所的配置，此时这步才是真正从数据库中把数据放入索引了。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python 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。需要注意的是，每一次更新数据都需要执行一次rebuild_index。

# python manage.py rebuild_index

六使用jieba分词

　　jieba是一个自然语言处理之中文分词器。因为haystack全文检索是老外写的，别人没有自带的中分分词搜索。所以我们需要通过jieba分词器才修改全文检索的源码，这样我们就可以通过中文来搜索了。

1、修改haystack\backends的源码

# 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()

步骤1

# 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()

步骤2

七在模板中创建搜索栏

<form method='get' action="/search/" target="_blank">
    <input type="text" name="q">
    <input type="submit" value="查询">
</form>

八其他配置

1、增加更多搜索变量

from haystack.views import SearchView  
from .models import *  
      
class MySeachView(SearchView):  
     # 重载extra_context来添加额外的context内容  
     def extra_context(self):       
         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'),

View Code

2、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>

原文地址：https://www.cnblogs.com/fan-1994716/p/11881502.html