四—三、搜索框架haystack

一、基本库安装

pip install django-haystack # 全文检索框架
pip install whoosh #whoosh搜索引擎
pip install jieba #中文分词库

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。因此更适用于一些小型网站
jieba：中文分词库。

二、配置索引框架

settings.py文件

INSTALLED_APPS = (
  ...
  'haystack', # 全文检索框架
  ...
)

# 全文检索框架配置
HAYSTACK_CONNECTIONS = {
    'default': {
        # 使用whoosh引擎
        'ENGINE': 'haystack.backends.whoosh_backend.WhooshEngine',
        # 索引文件路径
        'PATH': os.path.join(BASE_DIR, 'indexpath'),
    }
}

# 当添加、修改、删除数据时，自动生成索引
HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'

三、生成索引文件

1.在需要索引的应用文件夹中新建索引文件例如：appname_index.py

from haystack import indexes
from appname.models import ModelClass
#指定对于某个应用(app)的某个类的某些数据建立索引

class ModelClassIndex(indexes.SearchIndex, indexes.Indexable):
    # 设置需要检索的主要字段内容 use_template表示字段内容在模板中
    text = indexes.CharField(document=True, use_template=True)
    # 获取检索对应对的模型
    def get_model(self):
        return ModelClass
    # 设置检索需要使用的查询集
    def index_queryset(self, using=None):
        return  self.get_model().objects.all()

2.设置需要检索的主要字段内容

由于上步骤中use_template表示字段内容在模板中，所以在模板即(templates)文件夹中设置需要检索的主要字段内容
位置：templates/search/indexes/应用名/模型名小写_text.txt

# 指定搜索的字段
#object就代表get_model()方法返回的对象
{{object.field1}}
{{object.field2}}
{{object.field3}}

四、命令生成索引文件

python manage.py rebuild_index

五、设置总路由

urlpatterns = [
    ...
    url(r'^search/', include('haystack.urls')), #全文搜索框架
    ...
]

六、templates模板页面

位置： templates/search/search.html模板页面，并且传递以下关键变量：

query 搜索的关键字
page 当前页检索结果集----> 遍历后是一个个的SearchResult对象—>SearchResult.object才是检索的模型（商品）对象
paginator：分页paginator对象

七、中文搜索

由于whoosh本身的分析词对中文支持较差，所以我们可以使用jieba来替换其本身的分析器。

打开虚拟环境/Lib/site-packages/haystack/backends/
在上面的目录下创建ChineseAnalyzer.py文件，内容如下：

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()

复制 whoosh_backend.py 改名为 whoosh_cn_backend.py
.打开whoosh_cn_backend.py，引入中文分析类，内部采用jieba分词。
from .ChineseAnalyzer import ChineseAnalyzer
更改whoosh_cn_backend.py文件中使用的词语分析类。
查找
analyzer=StemmingAnalyzer()
改为
analyzer=ChineseAnalyzer()
修改settings.py文件中的配置项。

#全文检索框架配置
HAYSTACK_CONNECTIONS = {
    'default': {
        # 使用whoosh引擎
        'ENGINE': 'haystack.backends.whoosh_cn_backend.WhooshEngine',#修改了whoosh——backend
        # 索引文件路径
        'PATH': os.path.join(BASE_DIR, 'indexpath'),
    }
}

重新创建索引数据。
python manage.py rebuild_index