如何在Django中使用Whoosh进行全文检索

这篇文章给大家介绍如何在Django中使用Whoosh进行全文检索，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

Whoosh 是纯Python实现的全文搜索引擎，通过Whoosh可以很方便的给文档加上全文索引功能。

什么是全文检索

简单讲分为两块，一块是分词，一块是搜索。比如下面一段话：

上次舞蹈演出直接在上海路的弄堂里

比如我们现在想检索上次的演出，通常我们会直接搜索关键词： 上次演出 ，但是使用传统的SQL like 查询并不能命中上面的这段话，因为在 上次 和 演出 中间还有 舞蹈 。然而全文搜索却将上文切成一个个Token，类似：

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)，这样我们就可以通过关键字很快查询到了结果了。

解决分词问题

分词是个很有技术难度的活，比如上面的语句中一个难点就是到底是 上海路 还是 上海 呢？Python有个中文分词库： 结巴分词 ，我们可以通过结巴分词来完成索引中分词工作，结巴分词提供了Whoosh的组件可以直接集成，代码示例

遇到的问题

如果是在一些VPS上测试的时候非常慢的话可能是内存不足，比如512MB做一个博客索引非常慢，尝试升级到1GB后可以正常使用了。

代码

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()

关于如何在Django中使用Whoosh进行全文检索就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。