基於python+whoosh的全文檢索實現

whoosh的官方介紹：http://whoosh.readthedocs.io/en/latest/quickstart.html

因為做的是中文的全文檢索需要導入jieba工具包以及whoosh工具包

直接上代碼吧

from whoosh.qparser import QueryParser  
from whoosh.index import create_in  
from whoosh.index import open_dir  
from whoosh.fields import *  
from jieba.analyse import ChineseAnalyzer  
from get_comment import SQL  
from whoosh.sorting import FieldFacet  
  
analyser = ChineseAnalyzer()    #導入中文分詞工具  
schema = Schema(phone_name=TEXT(stored=True, analyzer=analyser), price=NUMERIC(stored=True),  
                    phoneid=ID(stored=True))# 創建索引結構  
ix = create_in("path", schema=schema, indexname='indexname') #path 為索引創建的地址，indexname為索引名稱  
writer = ix.writer()  
writer.add_document(phone_name='name',price ="price",phoneid ="id") #  此處為添加的內容   
print("建立完成一個索引")  
writer.commit()  
# 以上為建立索引的過程  
new_list = []  
index = open_dir("indexpath", indexname='comment')  #讀取建立好的索引  
with index.searcher() as searcher:  
    parser = QueryParser("要搜索的項目，比如“phone_name", index.schema)  
    myquery = parser.parse("搜索的關鍵字")  
    facet = FieldFacet("price", reverse=True)  #按序排列搜索結果  
    results = searcher.search(myquery, limit=None, sortedby=facet)  #limit為搜索結果的限制，默認為10，詳見博客開頭的官方文檔  
    for result1 in results:  
        print(dict(result1))  
        new_list.append(dict(result1))  

注：

 

Whoosh 有一些很有用的預定義 field types，你也可以很easy的創建你自己的。
whoosh.fields.ID
這個類型簡單地將field的值索引為一個獨立單元（這意味着，他不被分成單獨的單詞）。這對於文件路徑、URL、時間、類別等field很有益處。
whoosh.fields.STORED
這個類型和文檔存儲在一起，但沒有被索引。這個field type不可搜索。這對於你想在搜索結果中展示給用戶的文檔信息很有用。
whoosh.fields.KEYWORD
這個類型針對於空格或逗號間隔的關鍵詞設計。可索引可搜索（部分存儲）。為減少空間，不支持短語搜索。
whoosh.fields.TEXT
這個類型針對文檔主體。存儲文本及term的位置以允許短語搜索。
whoosh.fields.NUMERIC
這個類型專為數字設計，你可以存儲整數或浮點數。
whoosh.fields.BOOLEAN
這個類型存儲bool型
whoosh.fields.DATETIME
這個類型為 datetime object而設計（更多詳細信息）
whoosh.fields.NGRAM  和 whoosh.fields.NGRAMWORDS
這些類型將fiel文本和單獨的term分成N-grams（更多Indexing & Searching N-grams的信息）