四 - 第三に、検索フレームワーク干し草の山

まず、基本的なライブラリがインストールされています

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

干し草の山：ヒューという音をサポートし、フレームワークのフルテキストを検索、Solrの、Xapianの、Elasticsearc全文検索エンジンの4種類。
ヒューという音：パフォーマンスはスフィンクス、Xapianの、Elasticsearcなど、ないバイナリパッケージとして、プログラムは不可解な崩壊をしませんされていないが、純粋なPythonのフルテキスト検索エンジンで書かれました。いくつかの小さなサイトのため、より適切な
jieba：中国のサブシソーラス。

第二に、フレーム構成インデックス

settings.pyファイル

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'

第三に、インデックスファイルを生成します

appname_index.py：1.例えばインデックスアプリケーションフォルダにインデックスに新しいファイルを作成します。

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.メインフィールドは、コンテンツを取得する必要があります

ステップuse_templateは、テンプレート内のフィールドが、その主なフィールドは（テンプレート）フォルダでテンプレートの内容取得する必要が設定されていることを示しているので
、テンプレート/検索/インデックス/アプリケーション名/モデル名を小文字_text.txt：場所を

# 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}}

第四に、コマンドは、インデックスファイルを生成し、

python manage.py rebuild_index

第五に、総ルートを設定

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

六は、テンプレートページをテンプレート

場所：テンプレート/検索/ search.htmlのページテンプレート、および次のキーの変数を渡します。

キーワード検索クエリ
---->現在のページ検索結果ページのセットを横断した後のSearchResultオブジェクトの一つである - >モデル（商品）SearchResult.objectオブジェクトが検索されます
ページネータ：ページングページネータオブジェクト

七の中国の検索

貧しい人々のための中国の支援のワードヒューという音独自の分析として、私たちはjiebaを使用して、独自のパーサを置き換えることができます。

仮想環境を開き、/ libに/のsite-packages /干し草の山/バックエンド/
以下のように、上記のディレクトリにChineseAnalyzer.pyファイルを作成：

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()

whoosh_cn_backend.py改名さwhoosh_backend.pyコピー
オープンwhoosh_cn_backend.py、中国のクラス解析の導入、内部使用のjiebaワード。
from .ChineseAnalyzer import ChineseAnalyzer
クラスファイルの解析に使用されるwhoosh_cn_backend.py単語を変更します。
検索
analyzer=StemmingAnalyzer()
変更
analyzer=ChineseAnalyzer()
設定項目settings.pyファイルを変更します。

#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'),
    }
}

インデックスデータを再作成します。
python manage.py rebuild_index