写在前面
电商网站，免不了用户搜索商品，根据一般的思路是mysql的模糊匹配或者正则匹配，但是这种方法不仅效率低下，而且对于某些分词处理也很难处理，本文讲解简单的实现全文检索，利用django-haystack+jieba+whoosh，话不多说，进入正题。
全文检索
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
whoosh: 纯python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
1、安装包
- 在虚拟环境中一次安装需要的包
pip install django-haystack
pip install whoosh
pip install jieba
2、修改配置
- 1、修改 Yourproject/settin.py 文件，安装应用haystack
INSTALLED_APPS = [
...
'haystack', #全文检索
]
- 2、全文检索框架配置
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'),
# 这个文件夹也不需要自己建立，会自动生成
}
}
# 指定如何对搜索结果分页，这里设置为每 10 项结果为一页。
HAYSTACK_SEARCH_RESULTS_PER_PAGE = 10
# 指定什么时候更新索引，这里我们使用 haystack.signals.RealtimeSignalProcessor，作用是每当有商品更新时就更新索引。由于商品更新不会太频繁，因此实时更新没有问题。
HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'
- 3、改变分词方式步骤1：建立ChineseAnalyzer.py文件
保存在haystack的安装文件夹下，路径如下
cd path_to_virtualenv/lib/python3.6/site_packages/haystack/backends
# ChineseAnalyzer.py文件内容
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()
- 4、改变分词方式步骤2：复制whoosh_backend.py文件，改名为whoosh_cn_backend.py
# 刚才的路径下
cp whoosh_backend.py whoosh_cn_backend.py
在whoosh_cn_backend.py文件中添加：
#添加
from haystack.backends.ChineseAnalyzer import ChineseAnalyzer
并修改：
最好将原来的注释掉，再复制一行改成自己的。
# 将文件中的
analyzer=StemmingAnalyzer()
改为
analyzer=ChineseAnalyzer()
3、索引文件的生成
- 在应用目录（即要设为检索关键字的应用目录下）下新建一个search_indexes.py文件（名字是固定的不能改），我这里是goods目录下面的。
from haystack import indexes
#引入你项目下的model（也就是你要将其作为检索关键词的models）
from goods.models import GoodsSKU
# 指定对于摸个类的某些数据建立索引
# 索引类名格式：模型类型+Index
class GoodsSkuIndex(indexes.SearchIndex, indexes.Indexable):
# 索引字段
# use_template=True：指定根据表中的哪些字段建立索引文件，把说明放在一个文件中
text = indexes.CharField(document=True, use_template=True)
def get_model(self):
# 返回你的模型类
return GoodsSKU
# 建立索引的数据
def index_queryset(self, using=None):
return self.get_model().objects.all()
4、创建“模型类名称_text.txt”文件
- 在目录”templates/search/indexes/应用名称/”下创建”模型类名称小写_text.txt”文件（我建立的是goodssku_text.txt），这个模板的作用是让text字段包含的内容，在后面的模板中可能会有用。
# 指定根据表中的哪些字段建立索引数据
{{ object.name }} # 根据商品的名称建立索引
{{ object.desc }} # 根据商品的简介简历索引
{{ object.goods.detail }} # 根据商品的详情简历索引
5、配置路由
- 在本项目(不是某个应用)的urls.py中配置检索结果返回的地址
from django.urls import path, include
urlpatterns = [
# 其它path设置
path(r'search/', include('haystack.urls')),
# django小于 2.0版本的用以下的url
# url(r'^search/', include('haystack.urls')),
]
6、创建search.html
-
haystack 会把搜索出来的结果传递给 templates/search.html，传递的上下文包括：
query: 搜索关键字
page: 当前页的page对象 --> 遍历page对象，获取到的是 SearchResult: # 对象的属性object才模型类的对象
paginator: 分页paginator对象
在目录”templates/search/”下建立search.html作为检索结果返回的页面（可自己进行定制）
{%extends 'base_detail_list.html'%}
{% block title %}天天生鲜-商品搜索结果列表{% endblock title %}
{% block main_content %}
{% for item in page %}
-
{{ item.object.name }}
{%endfor%}
{% if page.has_previous %}
<上一页
{% endif %}
{%for pindex in paginator.page_range%}
{%if pindex == page.number%}
{{pindex}}
{%else%}
{{pindex}}
{%endif%}
{%endfor%}
{% if page.has_next %}
下一页>
{% endif %}