写在前面

电商网站，免不了用户搜索商品，根据一般的思路是mysql的模糊匹配或者正则匹配，但是这种方法不仅效率低下，而且对于某些分词处理也很难处理，本文讲解简单的实现全文检索，利用django-haystack+jieba+whoosh，话不多说，进入正题。

全文检索

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：全文检索的框架，支持whoosh、solr、Xapian、Elasticsearc四种全文检索引擎

whoosh: 纯python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

1、安装包

在虚拟环境中一次安装需要的包

pip install django-haystack

pip install whoosh

pip install jieba

2、修改配置

1、修改 Yourproject/settin.py 文件，安装应用haystack

INSTALLED_APPS = [

...

'haystack', #全文检索

]

2、全文检索框架配置

HAYSTACK_CONNECTIONS = {

'default': {

# 使用whoosh引擎

'ENGINE': 'haystack.backends.whoosh_cn_backend.WhooshEngine',

# 索引文件路径

'PATH': os.path.join(BASE_DIR, 'whoosh_index'),

# 这个文件夹也不需要自己建立，会自动生成

}

}

# 指定如何对搜索结果分页，这里设置为每 10 项结果为一页。

HAYSTACK_SEARCH_RESULTS_PER_PAGE = 10

# 指定什么时候更新索引，这里我们使用 haystack.signals.RealtimeSignalProcessor，作用是每当有商品更新时就更新索引。由于商品更新不会太频繁，因此实时更新没有问题。

HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'

3、改变分词方式步骤1：建立ChineseAnalyzer.py文件

保存在haystack的安装文件夹下，路径如下

cd path_to_virtualenv/lib/python3.6/site_packages/haystack/backends

# ChineseAnalyzer.py文件内容

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()

4、改变分词方式步骤2：复制whoosh_backend.py文件，改名为whoosh_cn_backend.py

# 刚才的路径下

cp whoosh_backend.py whoosh_cn_backend.py

在whoosh_cn_backend.py文件中添加：

#添加

from haystack.backends.ChineseAnalyzer import ChineseAnalyzer

并修改：

最好将原来的注释掉，再复制一行改成自己的。

# 将文件中的

analyzer=StemmingAnalyzer()

改为

analyzer=ChineseAnalyzer()

3、索引文件的生成

在应用目录(即要设为检索关键字的应用目录下)下新建一个search_indexes.py文件(名字是固定的不能改)，我这里是goods目录下面的。

from haystack import indexes

#引入你项目下的model(也就是你要将其作为检索关键词的models)

from goods.models import GoodsSKU

# 指定对于摸个类的某些数据建立索引

# 索引类名格式：模型类型+Index

class GoodsSkuIndex(indexes.SearchIndex, indexes.Indexable):

# 索引字段

# use_template=True：指定根据表中的哪些字段建立索引文件，把说明放在一个文件中

text = indexes.CharField(document=True, use_template=True)

def get_model(self):

# 返回你的模型类

return GoodsSKU

# 建立索引的数据

def index_queryset(self, using=None):

return self.get_model().objects.all()

4、创建“模型类名称_text.txt”文件

在目录”templates/search/indexes/应用名称/”下创建”模型类名称小写_text.txt”文件(我建立的是goodssku_text.txt)，这个模板的作用是让text字段包含的内容，在后面的模板中可能会有用。

# 指定根据表中的哪些字段建立索引数据

{{ object.name }} # 根据商品的名称建立索引

{{ object.desc }} # 根据商品的简介简历索引

{{ object.goods.detail }} # 根据商品的详情简历索引

5、配置路由

在本项目(不是某个应用)的urls.py中配置检索结果返回的地址

from django.urls import path, include

urlpatterns = [

# 其它path设置

path(r'search/', include('haystack.urls')),

# django小于 2.0版本的用以下的url

# url(r'^search/', include('haystack.urls')),

]

6、创建search.html

haystack 会把搜索出来的结果传递给 templates/search.html，传递的上下文包括：

query: 搜索关键字

page: 当前页的page对象 --> 遍历page对象，获取到的是 SearchResult: # 对象的属性object才模型类的对象

paginator: 分页paginator对象

在目录”templates/search/”下建立search.html作为检索结果返回的页面(可自己进行定制)

{%extends 'base_detail_list.html'%}

{% block title %}天天生鲜-商品搜索结果列表{% endblock title %}

{% block main_content %}