基于python实现whoosh全文搜索神器。

注意：本文使用的是jupyter做演示。

1.安装环境：

(1)、jupyter notebook安装

pip install jupyter notebook

jupyter notebook命令在相应的目录下启动即可

(2)、whoosh安装

pip install whoosh

(3)、jieba分词器安装----->目前最火最叼的中文分词器

pip install jieba

2. 准备好数据（我这里使用的是dataFrame，你也可以使用别的结构，但保证里面的key值是固定的）

import pandas as pd

data = [{'T': '1000', 'd1': '国足', 'd2': 1},
        {'T': '1100', 'd1': '女足', 'd2': 1},
        {'T': '1200', 'd1': '欧洲', 'd2': 2},
        {'T': '1400', 'd1': '亚欧', 'd2': 1},
        {'T': '1500', 'd1': '欧盟', 'd2': 1},
        {'T': '1600', 'd1': '国瑞', 'd2': 1},
        {'T': '1700', 'd1': '南国', 'd2': 1},
        {'T': '1800', 'd1': '北欧', 'd2': 1}
       ]

frame = pd.DataFrame(data)

3.定义索引结构（这个是核心，需要根据你的不同需求去做定义）

from whoosh.fields import Schema, TEXT, ID
from jieba.analyse import ChineseAnalyzer
# jieba中文分词器
analyzer = ChineseAnalyzer()
schema = Schema(T=ID(stored=True, unique=True),
                d1=TEXT(stored=True, analyzer=analyzer),
                d2=TEXT(stored=True)
               )

4.创建索引结构

import os.path
from whoosh.index import create_in

# 创建索引的路径，也就是存放的位置
index_path = '/home/sjp/gitproject/test_data'
if not os.path.exists(index_path):
    os.mkdir(index_path)
ix = create_in(index_path, schema)

5.将数据写入索引（写入方法很多种）

from whoosh import index

index_path = '/home/sjp/gitproject/tests/test_data'
ix = index.open_dir(index_path)
with ix.writer() as writer:
    for _, row in frame.iterrows():
        elements = {key: unicode(value) for key, value in row.iteritems()}
        # 我用的是update，后期可以更新
        writer.update_document(**elements)

6.搜索方法（这个就很多搜索方式了）

from whoosh.qparser import MultifieldParser, OperatorsPlugin
from whoosh import query

ix = index.open_dir(index_path)
# MultifieldParser这个是多字段查询
query_parser = MultifieldParser(['T', 'd1', 'd2'], schema=ix.schema)
# query_parser.add_plugin(FuzzyTermPlugin()) 这个是支持模糊查询
search_pattern = query_parser.parse(u'国')
with ix.searcher() as searcher:
    # 介个是limit=None是查询所有
    result = searcher.search(search_pattern, limit=20)
    # 介个是支持分页查询
    # result = searcher.search_page(search_pattern, 1, pagelen=20)
    for _ in result:
        print _.values()

后记：正所谓先把程序跑起来，再去看文档做优化，这才是最快的学习方式------>自我观点。

所以呢此处贴上中文文档供各位参考：https://www.osgeo.cn/whoosh/schema.html#modifying-the-schema-after-indexing