使用Django-haystack实现全文检索及Elasticsearch引擎

django是python语言的一个web框架,功能强大。配合一些插件可为web网站很方便地添加搜索功能。

搜索引擎使用whoosh,是一个纯python实现的全文搜索引擎,小巧简单。

中文搜索需要进行中文分词,使用jieba

直接在django项目中使用whoosh需要关注一些基础细节问题,而通过haystack这一搜索框架,可以方便地在django中直接添加搜索功能,无需关注索引建立、搜索解析等细节问题。

haystack支持多种搜索引擎,不仅仅是whoosh,使用solr、elastic search等搜索,也可通过haystack,而且直接切换引擎即可,甚至无需修改搜索代码。

一、安装第三方库及配置

  1.1  安装插件

  pip install whoosh django-haystack jieba

haystack是django的开源搜索框架,该框架支持Solr,Elasticsearch,Whoosh, *Xapian*搜索引擎,不用更改代码,直接切换引擎,减少代码量。

搜索引擎使用Whoosh,这是一个由纯Python实现的全文搜索引擎,没有二进制文件等,比较小巧,配置比较简单,当然性能自然略低。

中文分词Jieba,由于Whoosh自带的是英文分词,对中文的分词支持不是太好,故用jieba替换whoosh的分词组件。

  其他:Python 2.7 or 3.4.4, Django 1.8.3或者以上,Debian 4.2.6_3

  1.2  settings中添加 Haystack 到Django的 INSTALLED_APPS

1

2

3

4

5

6

7

8

9

10

11

12

13

INSTALLED_APPS = [

    'django.contrib.admin',

    'django.contrib.auth',

    'django.contrib.contenttypes',

    'django.contrib.sessions',

    'django.contrib.messages',

    'django.contrib.staticfiles',

    # haystack要放在应用的上面

    'haystack',

    'blog',

    'account',

    'article',

]

  1.3  settings中增加搜索引擎配置

1

2

3

4

5

6

7

import os

HAYSTACK_CONNECTIONS = {

    'default': {

        'ENGINE': 'haystack.backends.whoosh_backend.WhooshEngine',

        'PATH': os.path.join(os.path.dirname(__file__), 'whoosh_index'),

    },

}

    ENGINE为使用的引擎必须要有,如果引擎是Whoosh,则PATH必须要填写,其为Whoosh 索引文件的存放文件夹。
其他引擎的配置见官方文档

二、创建索引

  2.0  查看需要检索的model文件

      ArticlePost为存储文章的数据模型,后面查找文章就是在这个数据模型中匹配

class ArticlePost(models.Model):

    author = models.ForeignKey(User, related_name='article')
    title = models.CharField(max_length=200)
    slug = models.SlugField(max_length=500)
    column = models.ForeignKey(ArticleColumn, related_name='article_column')
    body = models.TextField()
    created = models.DateTimeField(default=timezone.now())
    updated = models.DateTimeField(auto_now_add=True)
    # media/%Y%m%d/为图片的真实放置路径,因为settings中已经配置了MEDIA_ROOT为media文件夹
    avatar = models.ImageField(upload_to='%Y%m%d/', blank=True)

  2.1  新建search_indexes.py文件

      如果你想针对某个app例如article做全文检索,则必须在article的目录下面建立search_indexes.py文件,且文件名不能修改。内容如下:

          使用Django-haystack实现全文检索及Elasticsearch引擎_第1张图片

import datetime
from haystack import indexes
from .models import ArticlePost


class ArticlePostIndex(indexes.SearchIndex, indexes.Indexable):  # 类名必须为需要检索的Model_name+Index,这里需要检索ArticlePost,所以创建ArticlePostIndex类
    text = indexes.CharField(document=True, use_template=True)  # 创建一个text字段
    # author = indexes.CharField(model_attr='author')  # 创建一个author字段,model_attr='author'代表对应数据模型ArticlePost中的author字段,可以删
    # title = indexes.CharField(model_attr='title')  # 创建一个title字段
    # body = indexes.CharField(model_attr='body')

    # 对那张表进行查询
    def get_model(self):  # 重载get_model方法,必须要有!
        # 返回这个model
        return ArticlePost

    # 针对哪些数据进行查询
    def index_queryset(self, using=None):  # 重载index_..函数
        """Used when the entire index for model is updated."""
        # return self.get_model().objects.filter(updated__lte=datetime.datetime.now())
        return self.get_model().objects.all()

1、索引,就像书的目录一样,可以快速的导航查找内容。

2、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,可以删除掉。

只要保证ArticlePost_text.txt文件中有需要检索的字段就行了

        {{ object.title }}
        {{ object.author }}
        {{ object.body }}

3、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SearchIndex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。   

4、并且,haystack提供了use_template=True在text字段,这样就允许我们使用数据模板去建立搜索引擎索引的文件,说得通俗点就是索引里面需要存放一些什么东西,例如 ArticlePost的 title 字段,

这样我们可以通过 title 内容来检索ArticlePost数据了,举个例子,假如你搜索 python ,那么就可以检索出title含有 python 的ArticlePost了,怎么样是不是很简单?

2.2  新建数据模板路径ArticlePost_text.txt

数据模板的路径为templates/search/indexes/article/ArticlePost_text.txt,注意文件的命名格式,一定要是model_text.txt,其内容为:

{{ object.title }}
{{ object.author }}
{{ object.body }}

这个数据模板的作用是对ArticlePost.title、ArticlePost.author、ArticlePost.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。     使用Django-haystack实现全文检索及Elasticsearch引擎_第2张图片

2.3  添加url路由

在article应用的urls.py中添加路由:url(r'search/$', SearchView(), name='haystack_search'),

from django.conf.urls import url
from . import views, list_views
from haystack.views import SearchView

urlpatterns=[
    url(r'^article-column/$', views.article_column, name='article_column'),
  ...
  ...
    # SearchView()视图函数,默认使用的HTML模板路径为templates/search/search.html
    url(r'search/$', SearchView(), name='haystack_search'),
]

2.4  新建search.html模板文件

在此位置新建templates/search/search.html,内容为:

{% extends 'base.html' %}
{% block title %}文章列表{% endblock %}

{% block content %}
    

搜索结果

  {# 如果存在搜索关键字 #} {% if query %} {% for result in page.object_list %} {% empty %}

没有找到相关文章

{% endfor %} {% endif %} {# {% include 'paginator.html' %}#} {# 分页插件,下一页和上一页记得要带上q={{ query }}参数,否则单击下一页时会丢失搜索参数q,而显示出来全部的文章的第二页#}

广告位招租

{% endblock %}

注意一下下一页,这里不要忘了q={{query}参数,如果缺少此参数的话,单击下一页时会跳转至:http://127.0.0.1:8000/article/search/?page=2,此时只有page=2参数,代表的是全部文章的第二页。分页也可以在settings中配置:

#设置每页显示的数目,默认为20,可以自己修改
HAYSTACK_SEARCH_RESULTS_PER_PAGE = 5

2.5  增加搜索入口

在header.html文件中新增一个input搜索框,

    
  • 关于本站
  • 联系我们
  • {#搜索框样式#}
    

    1、input标签的name='q',代表搜索的参数,为固定写法,不能修改为其他值。可以查看一下视图类haystack.views.py中是怎么接受该搜索关键字的

        if request.GET.get('q'):
            form = form_class(request.GET, searchqueryset=searchqueryset, load_all=load_all)
    
            if form.is_valid():
                query = form.cleaned_data['q']
                results = form.search()

    2、action="{% url 'article:haystack_search' %}",代表输入搜索关键字后单击搜索按钮时submit到上面定义的url中,如:http://127.0.0.1:8000/article/search/?q=领克03

    3、method=“get”代表搜索的关键字以?q=搜索关键字的形式传递后后台

    4、视图类haystack.views.py(可以从url中链接到该类查看)返回的上下文context如下:

       def get_context(self):
            (paginator, page) = self.build_page()
    
            context = {
                'query': self.query,
                'form': self.form,
                'page': page,
                'paginator': paginator,
                'suggestion': None,
            }

    query:搜索的关键字

    page:当前页的page对象

    paginator:分页paginator对象

    上面这三个对象我们已经在search.html搜索结果文件中使用了。

    2.6  重建索引文件、测试

    使用python manage.py rebuild_index或者使用update_index命令,中间会提示选择,输入y,完成后输入地址http://127.0.0.1:8000/article/search/?q=领克,

    使用Django-haystack实现全文检索及Elasticsearch引擎_第3张图片

     

    使用Django-haystack实现全文检索及Elasticsearch引擎_第4张图片

    注意:第一次搜索【领克】没有搜索到结果,第二次搜索【领克03】搜索出来有结果,这是为什么呢,这是因为whoosh自带的是英文分词,对中文支持不是很好,所以需要使用中文分词工具jieba,每次数据库更新后都需要更新索引,所以haystack为大家提供了一个接口,只要在settings.py里设置:

    #自动更新索引
    HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'

    三、替换为jieba分词

    3.1  创建whoosh_cn_backend.py文件

    将文件whoosh_backend.py(路径为:python安装路径\Lib\site-packages\haystack\backends\whoosh_backend.py)拷贝到article这个APP下并重命名为whoosh_cn_backend.py,例如article/whoosh_cn_backend.py

    3.2  修改settings中搜索引擎

      修改ENGINE参数

    import os
    HAYSTACK_CONNECTIONS = {
        'default': {
            'ENGINE': 'article.whoosh_cn_backend.WhooshEngine',      #article.whoosh_cn_backend便是你刚刚添加的文件
            'PATH': os.path.join(BASE_DIR, 'whoosh_index'
        },
    }

    3.3  重建索引,搜索中文测试一下

    建索引:python manage.py rebuild_index

    重启:python manag.py runserver

    再次搜索关键字:领克

    使用Django-haystack实现全文检索及Elasticsearch引擎_第5张图片

    四、高亮显示搜索关键词

    原理:在博客文章搜索页中我们需要对 title、author和 body 做高亮处理:{% highlight result.object.title with query %},{% highlight result.object.body with query %}。高亮处理的原理其实就是给文本中的关键字包上一个 span 标签并且为其添加 highlighted 样式(当然你也可以修改这个默认行为,具体参见下边给出的用法)。因此我们还要给 highlighted 类指定样式,在 search.html 中添加即可。

    1、首先在search.html文件顶部加载{% load highlight %}

    2、再将对应的{{ result.object.author }}变量替换为:{% highlight result.object.author with query %}

    3、在最后面加上一小段css样式,见文件的最下方

    进阶用法:

    # 使用默认值  
    {% highlight result.summary with query %}  
    
    # 这里我们为 {{ result.summary }} 里所有的 {{ query }} 指定了一个
    标签,并且将class设置为highlight_me_please,这样就可以自己通过CSS为{{ query }}添加高亮效果了,怎么样,是不是很科学呢 {% highlight result.summary with query html_tag "div" css_class "highlight_me_please" %} # 可以 max_length 限制最终{{ result.summary }} 被高亮处理后的长度 {% highlight result.summary with query max_length 40 %}

      最终的文件如下

    {% extends 'base.html' %}
    {#首先在顶部加载highlight#}
    {% load highlight %}
    {% block title %}文章列表{% endblock %}
    
    {% block content %}
        

    搜索结果

    {#
    #} {% if query %} {# {% highlight result.object.title with query %}#} {# {% highlight result.object.body with query %}#} {% for result in page.object_list %} {#
    #} {% empty %}

    没有找到相关文章

    {% endfor %} {% endif %} {# {% include 'paginator.html' %}#} {# 分页插件,下一页和上一页记得要带上q={{ query }}参数,否则单击下一页时会丢失搜索参数q,而显示出来全部的文章的第二页#}

    广告位招租

    {% endblock %}

      看下效果:

    使用Django-haystack实现全文检索及Elasticsearch引擎_第6张图片

    Django项目之Elasticsearch搜索引擎

    1.使用Docker安装Elasticsearch及其扩展
    获取镜像,可以通过网络pull
    sudo docker image pull delron/elasticsearch-ik:2.4.6-1.0
    或者加载镜像文件
    sudo docker load -i elasticsearch-ik-2.4.6_docker.tar
    修改elasticsearch的配置文件 elasticsearc-2.4.6/config/elasticsearch.yml第54行,更改ip地址为本机ip地址
    network.host: 127.0.0.1
    创建docker容器运行
    sudo docker run -dti --network=host --name=elasticsearch -v /home/python/elasticsearch-2.4.6/config:/usr/share/elasticsearch/config delron/elasticsearch-ik:2.4.6-1.0
    2. 使用haystack对接Elasticsearch
    1)安装
    pip install drf-haystack
    pip install elasticsearch==2.4.1
    drf-haystack是为了在REST framework中使用haystack而进行的封装(如果在Django中使用haystack,则安装django-haystack即可)。
    2)注册应用
    INSTALLED_APPS = [
        ...
        'haystack',
        ...
    ]
    3)配置
    在配置文件中配置haystack使用的搜索引擎后端

    # Haystack
    HAYSTACK_CONNECTIONS = {
        'default': {
            'ENGINE': 'haystack.backends.elasticsearch_backend.ElasticsearchSearchEngine',
            'URL': 'http://127.0.0.1:9200/',  # 此处为elasticsearch运行的服务器ip地址,端口号固定为9200
            'INDEX_NAME': 'meiduo',  # 指定elasticsearch建立的索引库的名称
        },
    }


    # 当添加、修改、删除数据时,自动生成索引
    HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'
    4)创建索引类
    指明让搜索引擎对哪些字段建立索引
    goods应用中新建search_indexes.py文件,用于存放索引类(文件名固定)

    from haystack import indexes
    from .models import SKU
    class SKUIndex(indexes.SearchIndex, indexes.Indexable):
        """
        SKU索引数据模型类
        """
        text = indexes.CharField(document=True, use_template=True)
        def get_model(self):
            """返回建立索引的模型类"""
            return SKU
        def index_queryset(self, using=None):
            """返回要建立索引的数据查询集"""
            return self.get_model().objects.filter(is_launched=True)
        document=True 表名该字段是主要进行关键字查询的字段
        use_template=True 表示通过模板来指明索引值由哪些模型类字段组成


    5)在templates目录中创建text字段使用的模板文件
    在templates/search/indexes/goods/sku_text.txt文件中定义
    {{ object.name }}
    {{ object.caption }}
    {{ object.id }}
        路径固定: templates/search/indexes/建立索引的应用名/文件名.txt
        通过sku的name、caption、id来进行关键字索引查询
    6)手动生成初始索引
    python manage.py rebuild_index
    7)创建序列化器
    在goods/serializers.py中创建haystack序列化器

    from drf_haystack.serializers import HaystackSerializer
    class SKUIndexSerializer(HaystackSerializer):
        """
        SKU索引结果数据序列化器
        """
        object = SKUSerializer(read_only=True)
        class Meta:
            index_classes = [SKUIndex]
            fields = ('text', 'object')

    说明:使用SKUIndexSerializer序列化器用来检查前端传入的参数text,并且检索出数据后再使用这个序列化器返回给前端;
    SKUIndexSerializer序列化器中的object字段是用来向前端返回数据时序列化的字段。
    8)创建视图
    在goods/views.py中创建视图

    from drf_haystack.viewsets import HaystackViewSet
    class SKUSearchViewSet(HaystackViewSet):
        """
        SKU搜索
        """
        index_models = [SKU]
        serializer_class = SKUIndexSerializer

    9)定义路由
    通过REST framework的router来定义路由
    router = DefaultRouter()
    router.register('skus/search', views.SKUSearchViewSet, base_name='skus_search')
    urlpatterns += router.urls
    bug说明:
    如果在配置完haystack并启动程序后,出现如下异常,是因为drf-haystack还没有适配最新版本的REST framework框架
    importError: cannot import name '_get_count'
    可以通过修改REST framework框架代码,补充_get_count函数定义即可
    文件路径 虚拟环境下的 lib/python3.6/site-packages/rest_framework/pagination.py

    def _get_count(queryset):
        """
        Determine an object count, supporting either querysets or regular lists.
        """
        try:
            return queryset.count()
        except (AttributeError, TypeError):
            return len(queryset)

    https://www.cnblogs.com/xuaijun/p/8027606.html

    https://www.zmrenwu.com/courses/django-blog-tutorial/materials/27/

    你可能感兴趣的:(#,Django)