Haystack全文检索框架中使用jieba分词包

Posted jrri

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全文检索框架中使用jieba分词包相关的知识,希望对你有一定的参考价值。

1.安装jieba

pip install jieba


2.引入jieba

cd 到haystack安装目录backends下, 新建文件ChineseAnalyzer.py,键入内容

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()

 


3.更改haystack的后台文件

文件夹下cp并修改whoosh_backend.py, 增加jieba.

cp whoosh_backend.py whoosh_cn_backend.py


# 文件名是惯例, 可自行修改

修改whoosh_cn_backend.py

# 导入模块

from .ChineseAnalyzer import ChineseAnalyzer

查找

analyzer=StemmingAnalyzer()

改为

analyzer=ChineseAnalyzer()

 



4.Django内settings内修改相应的haystack后台文件名.

 

HAYSTACK_CONNECTIONS = 
    default: 
        ENGINE‘: haystack.backends.whoosh_cn_backend.WhooshEngine, 
        PATH‘: os.path.join(BASE_DIR, whoosh_index), 
    

 

设置完成,重新生成索引即可使用jieba分词.

python manage.py rebuild-index

 

以上是关于Haystack全文检索框架中使用jieba分词包的主要内容,如果未能解决你的问题,请参考以下文章

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

Django之使用haystack+whoosh实现搜索功能

django-haystack全文检索

中文分词工具jieba的使用

DJANGO-天天生鲜项目从0到1-009-搜索功能实现(django-haystack+whoosh+jieba)

python搜索引擎和框架