时间：2020-10-22 22:23:44 | 栏目：Python代码 | 点击：次
Whoosh 是纯Python实现的全文搜索引擎，通过Whoosh可以很方便的给文档加上全文索引功能。
什么是全文检索
简单讲分为两块，一块是分词，一块是搜索。比如下面一段话：
上次舞蹈演出直接在上海路的弄堂里
比如我们现在想检索上次的演出，通常我们会直接搜索关键词： 上次演出 ，但是使用传统的SQL like 查询并不能命中上面的这段话，因为在 上次 和 演出 中间还有 舞蹈 。然而全文搜索却将上文切成一个个Token，类似：
上次/舞蹈/演出/直接/在/上海路/的/弄堂/里
切分成Token后做反向索引(inverted indexing)，这样我们就可以通过关键字很快查询到了结果了。
解决分词问题
分词是个很有技术难度的活，比如上面的语句中一个难点就是到底是 上海路 还是 上海 呢？Python有个中文分词库： 结巴分词 ，我们可以通过结巴分词来完成索引中分词工作，结巴分词提供了Whoosh的组件可以直接集成，代码示例
遇到的问题
如果是在一些VPS上测试的时候非常慢的话可能是内存不足，比如512MB做一个博客索引非常慢，尝试升级到1GB后可以正常使用了。
代码
import logging
import os
import shutil
from django.conf import settings
from whoosh.fields import Schema, ID, TEXT, NUMERIC
from whoosh.index import create_in, open_dir
from whoosh.qparser import MultifieldParser
from jieba.analyse import ChineseAnalyzer
from .models import Article
log = logging.getLogger(__name__)
index_dir = os.path.join(settings.BASE_DIR, "whoosh_index")
indexer = open_dir(index_dir)
def articles_search(keyword):
mp = MultifieldParser(
['content', 'title'], schema=indexer.schema, fieldboosts={'title': 5.0})
query = mp.parse(keyword)
with indexer.searcher() as searcher:
results = searcher.search(query, limit=15)
articles = []
for hit in results:
log.debug(hit)
articles.append({
'id': hit['id'],
'slug': hit['slug'],
})
return articles
def rebuild():
if os.path.exists(index_dir):
shutil.rmtree(index_dir)
os.makedirs(index_dir)
analyzer = ChineseAnalyzer()
schema = Schema(
id=ID(stored=True, unique=True),
slug=TEXT(stored=True),
title=TEXT(),
content=TEXT(analyzer=analyzer))
indexer = create_in(index_dir, schema)
__index_all_articles()
def __index_all_articles():
writer = indexer.writer()
published_articles = Article.objects.exclude(is_draft=True)
for article in published_articles:
writer.add_document(
id=str(article.id),
slug=article.slug,
title=article.title,
content=article.content,
)
writer.commit()
def article_update_index(article):
'''
updating an article to indexer, adding if not.
'''
writer = indexer.writer()
writer.update_document(
id=str(article.id),
slug=article.slug,
title=article.title,
content=article.content,
)
writer.commit()
def article_delete_index(article):
writer = indexer.writer()
writer.delete_by_term('id', str(article.id))
writer.commit()