欧美精品久久久久,精品综合久久,久久黄视频

Whoosh 是純Python實(shí)現(xiàn)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。

簡(jiǎn)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(xiàn)在想檢索上次的演出，通常我們會(huì)直接搜索關(guān)鍵詞：上次演出，但是使用傳統(tǒng)的SQL like 查詢并不能命中上面的這段話，因?yàn)樵?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(gè)個(gè)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(guān)鍵字很快查詢到了結(jié)果了。

解決分詞問題

分詞是個(gè)很有技術(shù)難度的活，比如上面的語句中一個(gè)難點(diǎn)就是到底是上海路還是上海呢？Python有個(gè)中文分詞庫：結(jié)巴分詞，我們可以通過結(jié)巴分詞來完成索引中分詞工作，結(jié)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(cè)試的時(shí)候非常慢的話可能是內(nèi)存不足，比如512MB做一個(gè)博客索引非常慢，嘗試升級(jí)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()