本文将简单介绍一下Python中的轻量级搜索工具Whoosh，并给出相应的使用示例代码。WhooshWhoosh简介由MattChaput创建。它最初是一个简单快速的Houdini3D动画包在线文档的搜索服务工具，后来逐渐成为一个成熟的搜索解决方案工具并已经开源。Whoosh完全是用Python编写的。它是一个灵活、方便、轻量级的搜索引擎工具。现在支持Python2和3。它的优点如下：Whoosh是纯Python写的，但是很快，只需要Python了。环境足够，不需要编译器；默认使用OkapiBM25F排序算法，也支持其他排序算法；与其他搜索引擎相比，Whoosh会创建更小的索引文件；Whoosh中的索引文件编码必须是unicode；Whoosh可以存储任意Python对象。Whoosh的官方介绍网站是：https://whoosh.readthedocs.io...。与ElasticSearch或Solr等成熟的搜索引擎工具相比，Whoosh更轻巧，更易于操作，可以考虑在小型搜索项目中使用。Index&query对于熟悉ES的人来说，搜索的两个重要方面是映射和查询，即索引构建和查询，其背后是复杂的索引存储、查询解析和排序算法。如果你有使用ES的经验，Whoosh是非常好用的。根据笔者的理解和Whoosh的官方文档，Whoosh的入门使用主要是索引和查询。搜索引擎的强大功能之一就是可以提供全文搜索，这取决于排序算法，比如BM25，也取决于我们如何存储字段。因此，index作为名词时，指的是字段的索引，index作为动词时，指的是已建立字段的索引。查询会将我们需要查询的语句通过排序算法给出合理的搜索结果。关于Whoosh的使用，官方文档中已经给出了详细的说明。笔者这里只举一个简单的例子来说明Whoosh是如何方便的提高我们的搜索体检的。示例代码数据本项目的示例数据为poem.csv，下图为数据集的前十行：fields根据数据集的特点，我们创建四个字段：title、dynasty、poem、content。创建的代码如下：#-*-coding:utf-8-*-importosfromwhoosh.indeximportcreate_infromwhoosh.fieldsimport*fromjieba.analyseimportChineseAnalyzerimportjson#createschema,storedisTrue表示可以检索schema=Schema(title=TEXT(stored=True,analyzer=ChineseAnalyzer()),dynasty=ID(stored=True),poem=ID(stored=True),content=TEXT(stored=True,analyzer=ChineseAnalyzer()))其中，ID只能是一个单位值，不能分成几个词。它常用于文件路径、URL、日期和分类；TEXT文件的文本内容在文本中进行索引存储，支持词汇搜索；Analyzer选择stutteringChinesetokenizer。创建索引文件接下来，我们需要创建一个索引文件。我们先用程序解析poem.csv文件，转换成index，写入indexdir目录。
