本文将简单介绍Python中的轻量级搜索工具Whoosh，并给出相应的示例代码。Whoosh简介Whoosh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。索引&查询对于熟悉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的入门级用法主要是索引和查询。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是如何方便的提升我们的搜索体验的。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：poem.csvfield根据数据集的特点，我们创建四个字段（fields）：title,朝代,诗歌,内容。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(stip=true),point=id(stip=true),content=text(stad=true,analyzer=chineseSesesese,analyzer=chineseSeseSeseSeseSeseSeseSeseSeseSeseSeseSeseseSeseSeseseSeseSeseseSeseseSeseSeseseSeseseSeseseSeseseSeseseSeseseSeseSeseseSeseseSeseseSeseseSeseseSeseseSeseseSeseseSeseseSeseseseSeseSesese,IDcanonlybeaunitvalueandcannotbedividedintoseveralwords.Itisoftenusedinfilepaths,URLs,dates,andclassifications;thetextcontentof\TEXTfilesisindexedandstoredinthetext,andvocabulary支持搜索；分析器选择结巴中文分词器。创建索引文件接下来，我们需要创建索引文件。我们使用t程序先解析poem.csv文件，转换成index，写入indexdir目录。Python代码如下：#解析poem.csv文件withopen('poem.csv','r',encoding='utf-8')asf:texts=[_.strip().split(',')for_inf.readlines()iflen(_.strip().split(','))==4]#将模式信息存储到indexdir目录indexdir='indexdir/'ifnotos.path.exists(indexdir):os.mkdir(indexdir)ix=create_in(indexdir,schema)#根据schema定义信息，添加需要索引的文档writer=ix.writer()foriinrange(1,len(texts)):title,dynasty,poem,content=texts[i]writer.add_document(title=title,dynasty=dynasty,poet=poet,content=content)writer.commit()创建索引成功后，一个indexdir将生成目录，其中包含上述数据各个字段的poem.csv索引文件。查询索引创建成功后，我们使用它进行查询。比如我们要查询内容中含有明月的经文，可以输入如下代码：#创建一个搜索器searcher=ix.searcher()#检索内容中含有'明月'的文档results=searcher.find("content","明月")print('共找到%d个文档。'%len(results))foriinrange(min(10,len(results))):print(json.dumps(results[i].fields(),ensure_ascii=False))输出结果如下：共找到44个文档。前10个文件如下：{"content":"床前月光疑是地上霜，抬头看月，低头看故乡。","dynasty":"唐朝","poet":"李白","title":《静夜思》}{"content":"草草草枯，士兵们老了。南山北雪清，万里月明。明月，明月，胡佳发出一声悲痛的叫声。","dynasty":"TangDynamic","poet":"DaiShulun","title":"笑话令·编草"}{"content":"独坐幽竹，再弹琴唱.深林人不知，明月来照。","dynasty":"TangDynamic","poet":"WangWei","title":"竹离阁"}{"content":"汉江明月照人，秋色风留下尸体。休轻洗客衣，里面还有景琛帝君。","dynasty":"MingDynasty","poet":"卞公","title":"RepresentationtoWuGuobin"}{"content":"秦时明月韩时关，长征未归。却让龙城的飞将留下，也不教呼玛去阴山。","dynasty":"TangDynamic","poet":"王昌龄","title":"两首出塞诗"}{"content":"京口瓜州是水峡，和离中山只有几天的重山。春风绿江南岸，明月几日照我？","dynasty":"宋代","poet":"王安石","title":"划船瓜州"}{"content":"看山水，倚栏望十里赏荷香。清风明月无人问，南楼一味凉。","朝代":"宋代","诗人":"黄庭坚","题名":《鄂州南楼书事》}{"content":"青山隐水远,江南秋草未凋。二十四桥月夜，玉人何处教笛？","dynasty":"TangDyst","poet":"DuMu","title":《评扬州汉绰》}{"content":"露气寒光聚，楚秋脚下艳阳高照。猿对洞庭树歌，人在玉兰船。明月生于广泽，苍山环抱激流。云中不见君，夜愁秋。","dynasty":"TangDynasty","poet":"MaDai","title":"楚江三首之一"}{"content":"海上明月，海阔天空世界末日分享这一刻。情人怨夜，相思夜起。烛灭时，光满怜惜，衣裳感露。不堪余手之赠，安眠好梦。","dynasty":"TangDynasty","poet":"张九龄","title":"望月怀远/望月怀古"}以上就是本次分享的全部内容，如果你觉得文章还不错的话，欢迎关注公众号：Python编程学习圈，每日干货分享，发送“J”还能收到海量学习资料，涵盖Python电子书、教程、数据库编程、Django、爬虫、云计算、等等。或者去编程学习网，学习更多编程技巧。
