前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >django - 中文分词搜索

django - 中文分词搜索

作者头像
以谁为师
发布2019-05-29 18:12:51
1K0
发布2019-05-29 18:12:51
举报
文章被收录于专栏:小网管的运维之路

django - 中文分词搜索

2019年3月23日 ⋅ 浏览量: 28   

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:全文检索的框架,支持whoosh、solr、Xapian、Elasticsearc四种全文检索引擎,点击查看官方网站 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 whoosh文档 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 jieba文档

安装模块

代码语言:javascript
复制
pip  install -i http://mirrors.aliyun.com/pypi/simple  --trusted-host mirrors.aliyun.com  jieba  haystack django-haystack

添加方法

代码语言:javascript
复制
cd /data/LJblog/env_django/lib/python3.7/site-packages/haystack/backends
cp whoosh_backend.py whoosh_cn_backend.py

添加内容

whoosh_cn_backend.py

代码语言:javascript
复制
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()

替换调用方法

whoosh_cn_backend.py

代码语言:javascript
复制
 analyzer=StemmingAnalyzer()
  改为
 analyzer=ChineseAnalyzer()

主配置修改

LJblog/mysite/settings.py

代码语言:javascript
复制
INSTALLED_APPS = (
    ...
    'haystack',
)


#更改分词引擎
HAYSTACK_CONNECTIONS = {
    'default': {
        #使用whoosh引擎
        'ENGINE': 'haystack.backends.whoosh_cn_backend.WhooshEngine',
        #索引文件路径
        'PATH': os.path.join(BASE_DIR, 'whoosh_index'),
    }
}
#当添加、修改、删除数据时,自动生成索引
HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'

博客app下创建

blog/search_indexes.py

代码语言:javascript
复制
from haystack import indexes


from .models import Article # 指定对于某个类的某些数据建立索引

class PostIndex(indexes.SearchIndex, indexes.Indexable):
    text = indexes.CharField(document=True, use_template=True)

    # # 进行索引字段
    # title = indexes.CharField(model_attr='title')
    # body = indexes.CharField(model_attr='body')


    def get_model(self):
        return Article # 搜索的模型类

    def index_queryset(self, using=None):
        return self.get_model().objects.all()

blog/custom_search.py #自定义扩展返回

代码语言:javascript
复制
from haystack.views import SearchView # haystack视图
from django.utils.safestring import mark_safe # html样式




#搜索引擎 全站搜索
class MySearchIndex(SearchView):

    template = 'search/search.html'
    #我们通过重写extra_context 来定义我们自己的变量,
    #通过看源码,extra_context 默认返回的是空,然后再get_context方法里面,把extra_context
    #返回的内容加到我们self.context字典里
    def extra_context(self):
        context = super(MySearchIndex,self).extra_context()
        # search_Article = Article.objects.select_related('body').order_by('-dynamic_search').all()[:6]

        # tag_all = [tag for tag in Tag.objects.all()]  # 添加博客自定义tags

        if self.request.user.is_authenticated:  # 认证
            user_login = True

        if not self.request.GET.get('q'):

            error_msg = "请输入关键词"
            context =  {'error_msg': error_msg}



        elif self.request.user.is_authenticated:
            context = locals()


        else:
            error_msg = mark_safe('''<div class="alert alert-info">
                             <button type="button" class="close" data-dismiss="alert">×</button>
                            <h4>
                                提示!
                            </h4> <strong>搜索失败!</strong> 请先登录 ...
                        </div>''')
            context = {'error_msg': error_msg}
        return  context

urlconfig

代码语言:javascript
复制
re_path('^search/', custom_search.MySearchIndex(), name='haystack_search'),

初始化索引数据

代码语言:javascript
复制
python manage.py rebuild_index

搜索

搜索内容: nginx 部署 生成url: https://attacker.club/search/?q=nginx+部署

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019年3月23日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • django - 中文分词搜索
  • 安装模块
  • 添加方法
  • 添加内容
  • 替换调用方法
  • 主配置修改
    • 博客app下创建
      • 搜索
      相关产品与服务
      Elasticsearch Service
      腾讯云 Elasticsearch Service(ES)是云端全托管海量数据检索分析服务,拥有高性能自研内核,集成X-Pack。ES 支持通过自治索引、存算分离、集群巡检等特性轻松管理集群,也支持免运维、自动弹性、按需使用的 Serverless 模式。使用 ES 您可以高效构建信息检索、日志分析、运维监控等服务,它独特的向量检索还可助您构建基于语义、图像的AI深度应用。
      领券
      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档