600字范文 > Django建立博客搜索功能（haystack+whoosh+jieba）

Django建立博客搜索功能（haystack+whoosh+jieba）

时间：2019-10-01 07:00:09

0-效果预览

1-相关说明：

haystack 全文检索框架，可配置各种搜索引擎，在Django内相当于app

whoosh 搜索引擎

2-whoosh下载与优化中文分词jieba

下载：

pip install whoosh -i /simple/ --trusted-host

优化：由于whoosh搜索引擎自带的中文分词功能效果较差,所以为whoosh搜索引擎配置jieba库进行分词。(可不操作，但中文效果差）

下载jieba：

pip install jieba -i /simple/ --trusted-host

配置（虚拟envs\Lib\site-packages\haystack\backends中）

a-添加文件ChineseAnalyzer.py（主要作用，使用jieba进行分词处理）

import jiebafrom whoosh.analysis import Tokenizer, Tokenclass 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 = wt.boost = 1.0if 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 tdef ChineseAnalyzer():return ChineseTokenizer()

b-复制文件 whoosh_backend将其重命名为whoosh_cn_backend并修改

from jieba.analyse import ChineseAnalyzer #在顶部添加#注意先找到这个再修改，而不是直接添加schema_fields[field_class.index_fieldname] = TEXT(stored=True, analyzer=ChineseAnalyzer(),field_boost=field_class.boost, sortable=True)

3-haystack下载与配置

下载：

pip install django-haystack -i /simple/ --trusted-host

配置(setting中)：

INSTALLED_APPS = ['django.contrib.admin',# 其它 app...'haystack',]HAYSTACK_CONNECTIONS = {'default': {'ENGINE': 'blog.whoosh_cn_backend.WhooshEngine',#配置搜索引擎#'ENGINE': 'blog.whoosh_backend.WhooshEngine',#若没修改，则使用原生'PATH': os.path.join(BASE_DIR, 'whoosh_index'),#配置索引存放位置},}HAYSTACK_SEARCH_RESULTS_PER_PAGE = 10 #每页包含多少条HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'

4-配置需要建立索引的model字段

应用下建立search_indexes.py文件

from haystack import indexesfrom myblog.models import Blog #Blog是需建立索引的数据表名#类名必须为需要检索的Model_name+Index，class BlogIndex(indexes.SearchIndex, indexes.Indexable):text = indexes.CharField(document=True, use_template=True)def get_model(self):return Blogdef index_queryset(self, using=None):return self.get_model().objects.all()

#在template/search/indexes/项目名/模型名_text.txt设置数据模板，来构建文档搜索引擎索引

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

5-生成索引数据文件

python manage.py rebuild_index

6-设置路由，模板等

方法一：使用haystack自带的函数

path(‘search’, include(‘haystack.urls’)),#博客搜索（固定设置）

虚拟envs\Lib\site-packages\haystack\urls.py查看文件内容如下from django.urls import pathfrom haystack.views import SearchViewurlpatterns = [path("", SearchView(), name="haystack_search")]虚拟envs\Lib\site-packages\haystack\views.py查看SearchView()函数如下(部分)template = "search/search.html"（具体内容自己看，包含分页等如果需要在此基础上修改，则使用继承自己编写）class MySearchView(SearchView)

方法二：自己编写对应函数及模板

path(‘search’, views.blog_search),#博客搜索

def blog_search(request):from haystack.query import SearchQuerySet, Rawquery = request.GET.get('q')page_num = request.GET.get('page')posts = SearchQuerySet().filter(text=Raw(query))# articles = SearchQuerySet().filter(text=Raw(qParams)).order_by('view_num') # 根据浏览量排序显示if not page_num:page = posts[0:10]post_num = page.__len__()print(page_num, query)return render(request,'search/search.html',locals())else:page_num = int(page_num)page = posts[(page_num-1)*10:page_num*10]print(page_num, query)return render(request,'blog/blog_search.html',locals())

7-图示与说明

全文搜索需要分词和模糊查询, 这些操作在mysql中也可以使用, 但如果遇到数据量大的项目, 效率会很低, 因此,

就需要借助搜索引擎elasticsearch要实现查询, 那么我们的django需要连接mysql和elasticsearch: 连接mysql使用的是mysqlclient

连接elasticsearch使用的是django-haystack, 以及python的es驱动elasticsearch会去到mysql中获取数据, 然后进行索引, 并储存到它自己那里用户将全文搜索的请求发送至django, 即输入搜索内容然后django就会利用haystack到elasticsearch中查询想要的数据, 即执行搜索es查询到后返回给haystack(haystack是属于django项目中的一个从外部引入的app)haystack会返回给django框架, 然后django再展示给用户看, 即展示搜索结果