首页 > 代码库 > 全文索引搜索whoosh
全文索引搜索whoosh
问题
Whoosh是python中解决索引查找的模块,在讨论索引查找的文章已经对有关索引查找进行了阐述,此处详细说明Whoosh模块的应用。思路说明
Whoosh的安装
这里有详细内容(链接被被阉割!)
whoosh的使用步骤
whoosh在应用上划分三个步骤:
- 建立索引和模式对象
- 写入索引文件
- 搜索
下面依次阐述各步骤
建立索引和模式对象
建立索引模式
使用Whoosh的第一步就是要建立索引对象。首先要定义索引模式,以字段的形式列在索引中。例如:
>>> from whoosh.fields import * >>> schema = Schema(title=TEXT, path=ID, content=TEXT)
title/path/content就是所谓的字段。每个字段对应索引查找目标文件的一部分信息,上面的例子中就是建立索引的模式:索引内容包括title/path/content。一个字段建立了索引,意味着它能够被搜索;也能够被存储,意味着返回结果。例如上面的例子,可以写成:
>>> schema = Schema(title=TEXT(stored=True), path=ID(stored=True), content=TEXT)
这里在某些字段后面添加了(stored=True),意味着将返回该字段的搜索结果。
以上就建立好了索引模式,不需要重复建立索引模式,因为一旦此模式建立,将随索引保存。
在生产过程中,如果你愿意,还可以建立一个类用于建立索引模式。如下例子:
from whoosh.fields import SchemaClass, TEXT, KEYWORD, ID, STORED class MySchema(SchemaClass): path = ID(stored=True) title = TEXT(stored=True) content = TEXT tags = KEYWORD
索引字段类型
在上例中,title=TEXT,title是字段名称,后面的TEXT是该字段的类型。这两个分别说明了索引内容和查找对象类型。whoosh有如下字段类型,供建立所以模式使用。
- whoosh.fields.ID:仅能为一个单元值,即不能分割为若干个词,通常用于诸如文件路径,URL,日期,分类。
- whoosh.fields.STORED:该字段随文件保存,但是不能被索引,也不能被查询。常用于显示文件信息。
- whoosh.fields.KEYWORD:用空格或者逗号(半角)分割的关键词,可被索引和搜索。为了节省空间,不支持词汇搜索。
- whoosh.fields.TEXT:文件的文本内容。建立文本的索引并存储,支持词汇搜索。
- whoosh.fields.NUMERIC:数字类型,保存整数或浮点数。
- whoosh.fields.BOOLEAN:布尔类值
- whoosh.fields.DATETIME:时间对象类型
关于索引字段类型的更多内容,请看这里.(链接被被阉割!)
建立索引存储目录
索引模式建立之后,还要建立索引存储目录。如下:
import os.path from whoosh.index import create_in from whoosh.index import open_dir if not os.path.exists('index'): #如果目录index不存在则创建 os.mkdir('index') ix = create_in("index",schema) #按照schema模式建立索引目录 ix = open_dir("index") #打开该目录一遍存储索引文件
上例中,用create_in创建一个具有前述索引模式的索引存储目录对象,所有的索引将被保存在该目录(index)中。
之后,用open_dir打开这个目录。
第一步到此结束。
把上面的代码整理一下,供参考:
import os.path from whoosh import fields from whoosh import index schema = fields.Schema(title=TEXT(stored=True), path=ID(stored=True), content=TEXT) if not os.path.exists("index"): os.mkdir("index") ix = index.create_in("index",schema) ix = index.open_dir("index")
写索引文件
(待续)
声明
本文属于阉割之后的版本。要看完整版,请到我的github:qiwsir的ITArticles里面的BasicPython。
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。