haystack

Posted weiyiming007

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了haystack相关的知识,希望对你有一定的参考价值。

1、haystack简介

Haystack是django的开源全文搜索框架(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 ),该框架支持
Solr,Elasticsearch,Whoosh, Xapian,搜索引擎它是一个可插拔的后端(很像Django的数据库层),所以几乎你所有
写的代码都可以在不同搜索引擎之间便捷切换;

- 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:django的一个包,可以方便地对model里面的内容进行索引、搜索,设计为支持whoosh,solr,
Xapian,Elasticsearc四种全文检索引擎后端,属于一种全文检索的框架;

- whoosh:纯Python编写的全文搜索引擎,虽然性能比不上sphinx、xapian、Elasticsearc等,但是无二进制包,
程序不会莫名其妙的崩溃,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;


2、安装

pip3 install django-haystack
pip3 install whoosh
pip3 install jieba  #pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple jieba


3、配置

1)添加Haystack到 INSTALLED_APPS:

跟大多数Django的应用一样,你应该在你的设置文件(通常是settings.py)添加Haystack到INSTALLED_APPS. 示例:

INSTALLED_APPS = [
    django.contrib.admin,
    django.contrib.auth,
    django.contrib.contenttypes,
    django.contrib.sessions,
    django.contrib.sites,

    # 添加
    haystack,
    # 你的app
    ‘app,
]


2)修改settings.py

在你的settings.py中,你需要添加一个设置来指示站点配置文件正在使用的后端,以及其它的后端设置。

HAYSTACK——CONNECTIONS是必需的设置,并且应该至少是以下的一种:


Solr示例
HAYSTACK_CONNECTIONS = {
    default: {
        ENGINE: haystack.backends.solr_backend.SolrEngine,
        URL: http://127.0.0.1:8983/solr
        # ...or for multicore...
        # ‘URL‘: ‘http://127.0.0.1:8983/solr/mysite‘,
    },
}


Elasticsearch示例
HAYSTACK_CONNECTIONS = {
    default: {
        ENGINE: haystack.backends.elasticsearch_backend.ElasticsearchSearchEngine,
        URL: http://127.0.0.1:9200/,
        INDEX_NAME: haystack,
    },
}


Whoosh示例
#需要设置PATH到你的Whoosh索引的文件系统位置
import os
HAYSTACK_CONNECTIONS = {
    default: {
        ENGINE: haystack.backends.whoosh_backend.WhooshEngine,
        PATH: os.path.join(os.path.dirname(__file__), whoosh_index),
    },
}

# 自动更新索引
HAYSTACK_SIGNAL_PROCESSOR = haystack.signals.RealtimeSignalProcessor


Xapian示例
#首先安装Xapian后端(http://github.com/notanumber/xapian-haystack/tree/master)
#需要设置PATH到你的Xapian索引的文件系统位置。
import os
HAYSTACK_CONNECTIONS = {
    default: {
        ENGINE: xapian_backend.XapianEngine,
        PATH: os.path.join(os.path.dirname(__file__), xapian_index),
    },
}


4、处理数据

创建索引

models.py

from django.db import models

# Create your models here.
class Article(models.Model):
    title = models.CharField(max_length=32)
    desc = models.CharField(max_length=128)
    contend = models.TextField()


如果你想针对某个app例如app做全文检索,则必须在blog的目录下面建立search_indexes.py文件,文件名不能修改;

from haystack import indexes
from app01.models import Article

class ArticleIndex(indexes.SearchIndex, indexes.Indexable):
    #类名必须为需要检索的Model_name+Index,这里需要检索Article,所以创建ArticleIndex
    text = indexes.CharField(document=True, use_template=True)#创建一个text字段
    # #其它字段
    # desc = indexes.CharField(model_attr=‘desc‘)
    # content = indexes.CharField(model_attr=‘content‘)

    def get_model(self):#重载get_model方法,必须要有!
        return Article

    def index_queryset(self, using=None):
        return self.get_model().objects.all()


为什么要创建索引?索引就像是一本书的目录,可以为读者提供更快速的导航与查找。在这里也是同样的道理,

当数据量非常大的时候,若要从这些数据里找出所有的满足搜索条件的几乎是不太可能的,将会给服务器带来极大的负担。

所以我们需要为指定的数据添加一个索引(目录),在这里是为Note创建一个索引,索引的实现细节是我们不需要关心的,

至于为它的哪些字段创建索引,怎么指定 ,下面开始讲解;


每个索引里面必须有且只能有一个字段为 document=True,这代表haystack 和搜索引擎将使用此字段的内容作为索引进行

检索(primary field)。其他的字段只是附属的属性,方便调用,并不作为检索数据


注意:如果使用一个字段设置了document=True,则一般约定此字段名为text,这是在ArticleIndex类里面一贯的命名,

以防止后台混乱,当然名字你也可以随便改,不过不建议改。


另外,我们在text字段上提供了use_template=True。这允许我们使用一个数据模板(而不是容易出错的级联)来构建文档

搜索引擎索引。你应该在模板目录下建立新的模板search/indexes/blog/article_text.txt,并将下面内容放在里面。


#在目录“templates/search/indexes/应用名称/”下创建“模型类名称_text.txt”文件
{{ object.title}}
{{ object.desc }}
{{ object.content }}


此数据模板的作用是对Article表中的三个字段建立索引,当检索的时候会对这三个字段做全文检索匹配;


5、设置视图

1)先设置路由:

from django.conf.urls import url, include
from django.contrib import admin
from app01 import views

urlpatterns = [
    url(r^admin/, admin.site.urls),
    url(r^search/, include(haystack.urls)),  # 路由
]


2)设置搜索模板:

templates/search/search.html

<!DOCTYPE html>
<html>
<head>
    <title></title>
    <style>
        span.highlighted {
            color: red;
        }
    </style>
</head>
<body>
{% load highlight %}
{% if query %}
    <h3>搜索结果如下:</h3>
    {% for result in page.object_list %}
{#        <a href="/{{ result.object.id }}/">{{ result.object.title }}</a><br/>#}
        <a href="/{{ result.object.id }}/">{%   highlight result.object.title with query %}</a><br/>
        <p>{{ result.object.content|safe }}</p>
{# <p>{% highlight result.object.content with query %}</p>#} {% empty %} <p>啥也没找到</p> {% endfor %} {% if page.has_previous or page.has_next %} <div> {% if page.has_previous %} <a href="?q={{ query }}&amp;page={{ page.previous_page_number }}">{% endif %}&laquo; 上一页 {% if page.has_previous %}</a>{% endif %} | {% if page.has_next %}<a href="?q={{ query }}&amp;page={{ page.next_page_number }}">{% endif %}下一页 &raquo; {% if page.has_next %}</a>{% endif %} </div> {% endif %} {% endif %} </body> </html>


需要注意的是page.object_list实际上是SearchResult对象的列表。这些对象返回索引的所有数据。它们可以

通过{{result.object}}来访问。所以{{ result.object.title}}实际使用的是数据库中Article对象来访问title字段的。


3)重建索引

现在你已经配置好了所有的事情,是时候把数据库中的数据放入索引(放入whoosh)了。Haystack附带的一个命令行管理工具使它变得很容易。


先在article表中插入两条数据,再执行数据库迁移:

技术图片


然后运行 rebuild_index 

技术图片


6、使用jieba分词

1)建立ChineseAnalyzer.py文件

把新建的ChineseAnalyzer.py文件保存在haystack的安装文件夹下,路径如“D:python3Libsite-packageshaystackackends”

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()


2)复制同目录下的whoosh_backend.py文件,改名为whoosh_cn_backend.py

注意:文件名不要写错

whoosh_backend.py和whoosh_cn_backend.py两个文件更改内容如下:

#导模块
from .ChineseAnalyzer import ChineseAnalyzer 

#查找
analyzer=StemmingAnalyzer()
#改为
analyzer=ChineseAnalyzer()



7、在模板中创建搜索栏

在templates下创建index.html

<form method=get action="/search/" target="_blank">
    <input type="text" name="q">
    <input type="submit" value="查询">
</form>


启动项目,然后在浏览器中输入:http://127.0.0.1:8000/index

技术图片     技术图片


8、其他配置

增加更多变量
from haystack.views import SearchView  
from .models import *  
      
class MySeachView(SearchView):  
     def extra_context(self):       #重载extra_context来添加额外的context内容  
         context = super(MySeachView,self).extra_context()  
         side_list = Topic.objects.filter(kind=major).order_by(add_date)[:8]  
         context[side_list] = side_list  
         return context  

        
#路由修改
url(r^search/, search_views.MySeachView(), name=haystack_search),


高亮显示

{% highlight result.summary with query %}  
# 这里可以限制最终{{ result.summary }}被高亮处理后的长度  
{% highlight result.summary with query max_length 40 %}  

#html中
    <style>
        span.highlighted {
            color: red;
        }
    </style>

以上是关于haystack的主要内容,如果未能解决你的问题,请参考以下文章

haystack

django-haystack全文检索

Haystack

Django全文检索实现:基于HayStack + Whoosh引擎 + Jieba中文分词

Haystack全文检索

django使用haystack来调用Elasticsearch搜索引擎