有了Django，实现站内搜索引擎并不难~

　　有了Django，实现站内搜索引擎并不难~

　　使用Haystack模块可以很方便地实现站内全局搜索引擎。下面请跟随小编一起来看看怎么实现吧！

　　案例效果预览

　　

　　案例准备

　　本系统的软件开发及运行环境具体如下：

　　业务流程

　　在使用Haystack配置站内全局搜索引擎前，需要先了解实现该业务的主要流程，根据该需求设计出如图1所示的业务流程图。

　　

　　图1 业务流程

　　实现过程

　　HayStack是Django的一个开源框架，提供了非常方便的搜索功能，它支持Solr、Elasticsearch、Whoosh、Xapian多种搜索引擎。本案例将使用Whoosh搜索引擎，但是Whoosh的分词组件不支持中文搜索，所以需要使用中文分词Jieba来替换Whoosh的分词组件实现中文全文搜索的功能。

　　1．准备环境

　　由于本文新建文件较多，请依照下图2自行新建文件，不可随意更改文件名称。

　　

　　图2 search模块文件*敏*感*词*

　　search模块下的urls.py文件为匹配路由，search_indexes.py文件来定义索引类，whoosh_cn_backend.py来将Jieba分词组件添加到搜索引擎中使其支持中文搜索，serach.html为前端模板文件，product_text.txt为搜索引擎索引模板文件。

　　创建完成后，执行以下命令，通过pip安装Whoosh搜索引擎和Jieba分词

　　01 pip install Django-haystack

　　02 pip install whoosh

　　03 pip install jieba

　　2．注册模块

　　接下来在项目的settings.py文件中注册模块和引入HayStack，具体代码如下：

　　04 INSTALLED_APPS = [

　　05 'django.contrib.admin',

　　06 'django.contrib.auth',

　　07 'django.contrib.contenttypes',

　　08 'django.contrib.sessions',

　　09 'django.contrib.messages',

　　10 'django.contrib.staticfiles',

　　11 'haystack',

　　12 'apps.search', #全局搜索模块

　　13 ]

　　14 #配置HayStack

　　15 HAYSTACK_CONNECTIONS = {

　　16 'default': {

　　17 #设置搜索引擎，文件是apps下的serach的whoosh_cn_backend.py

　　18 #如果search模块未在apps下请自行替换或者去掉apps

　　19 'ENGINE':'apps.search.whoosh_cn_backend.WhooshEngine',

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

　　21 'INCLUDE_SPELLING':True,

　　22 },

　　23 }

　　24 #设置每页显示的数据量

　　25 HAYSTACK_SEARCH_RESULTS_PER_PAGE = 2

　　26 #当数据库改变时，自动更新索引

　　27 HAYSTACK_SIGNAL_PROCESSOR ='haystack.signals.RealtimeSignalProcessor'

　　3．配置搜索引擎

　　在Python的安装目录下打开Lib\site-packages\haystack\backends\shoosh_backend.py文件，将全文复制到新建的whoosh_cn_backend.py文件中，修改如下内容：

　　01 #顶部添加 引入jieba分词器模块

　　02fromjieba.analyseimportChineseAnalyzer

　　03 #在166行左右找到如下代码

　　04 schema_fields[field_class.index_fieldname] =TEXT(stored=True,analyzer=StemmingAnalyzer(),field_boost=field_class.boost,sortable=True)

　　05 #将其修改为如下格式

　　06 schema_fields[field_class.index_fieldname] = TEXT(stored=True,analyzer=ChineseAnalyzer(),field_boost=field_class.boost,sortable=True)

　　修改完成后，在search模块下models.py文件中创建新的数据模型作为搜索引擎的搜索对象，具体代码如下：

　　01fromdjango.dbimportmodels

　　02classPoetry(models.Model):

　　03 id = models.AutoField('序号',primary_key=True)

　　04 name = models.CharField('名称',max_length=50)

　　05 author = models.CharField('作者',max_length=20)

　　06 detail = models.CharField('内容',max_length=300)

　　07 #设置返回值

　　08 def__str__(self):

　　09 returnself.name

　　接下来创建搜索引擎的索引，在数据量非常大的时候，我们就需要为指定的数据添加一个索引，来使搜索引擎快速找到符合条件的数据，所以在search_indexes.py中定义该模型的索引类，注意该文件名称不可改变，具体代码如下：

　　01 #本文件名称不允许修改，否则将无法创建索引

　　02fromhaystackimportindexes

　　03fromapps.search.modelsimportPoetry

　　04 #类名必须为模型名+Index，比如模型Poetry,则索引类为PoetryIndex

　　05 #其对应的索引模板路径应为/项目的应用模块名称/templates/search/indexes/项目的应用模块名称/模型（小写）_text.txt

　　06classPoetryIndex(indexes.SearchIndex, indexes.Indexable):

　　07 # doucument=True代表搜索引擎将使用此字段的内容作为索引进行检索

　　08 # use_template=True代表使用索引模板建立索引文件

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

　　10 #将索引类与模型Poetry进行绑定

　　11 defget_model(self):

　　12 returnPoetry

　　13 #设置索引的查询范围

　　14 defindex_queryset(self, using=None):

　　15 returnself.get_model().objects.all()

　　添加完成后，在索引模板poetry_text.txt文件中设置索引的检索字段，添加如下具体代码：

　　16 # templates/search/indexes/search/poetry_text.txt

　　17 {{ object.name }}

　　18 {{ object.author }}

　　19 {{ object.detail }}

　　现在已经定义了索引类，和索引模板，接下来根据这两者，通过命令python manage.py rebuild_index 创建索引文件，创建成功后会在项目文件夹下可以看到whoosh_index文件夹，该文件夹中包含索引文件。

　　后面还有业务逻辑和渲染模板等内容。如果想要获得更详细的步骤和代码的话，可以参考《Python Web开发手册：基础·实战·强化》这本书。

　　

　　---点击上图，即可进入详情页面---