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