django全文搜索学习心得（三）whoosh 篇

转自：http://www.cnblogs.com/chang/archive/2013/01/10/2855321.html

上一篇是使用的solr，这篇主要介绍使用whoosh

基于djang-haystack,咱们可以自由切换搜索引擎了。

whoosh 的使用跟solr 基本一样 ，模板使用什么的都是一样的，主要是对whoosh 进行一些修改，让其支持中文。

settings.py 的配置

HAYSTACK_CONNECTIONS = {
    'default': {
        'ENGINE': 'haystack.backends.whoosh_cn_backend.WhooshEngine',
        'PATH': os.path.join(os.path.dirname(__file__), 'whoosh_index'),
        },
    }

这里边使用主要参考http://blog.csdn.net/wenxuansoft/article/details/8170714 这篇文章，他给出了实际操作方法，很感谢啊。

创建中文分析ChineseAnalyzer.py，保存到haystack的安装文件夹\Lib\site-packages\haystack\backends里面。内容如下：

import jieba
from whoosh.analysis import RegexAnalyzer
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):
        #assert isinstance(value, text_type), "%r is not unicode" % value
        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()

然后将\Lib\site-packages\haystack\backends里面的whoosh_backend.py复制为whoosh_cn_backend.py，

打开whoosh_cn_backend.py进行修改。如下：

#在whoosh_cn_backend.py里面
.........
from ChineseAnalyzer import ChineseAnalyzer
.............
#然后找到build_schema函数处，这是一个构建分词模式的
#找到
schema_fields[field_class.index_fieldname] = TEXT(stored=True, analyzer=StemmingAnalyzer(), field_boost=field_class.boost)

将analyzer = StemmingAnalyzer() 更改为 analyzer = ChineseAnalyzer()

这样就算完工了。

运行

python manage.py rebuild_index  创建索引
python manage.py runserver 运行

打开浏览器 http://127.0.0.1:8000 搜索试试。