在Python當(dāng)中，有一個(gè)輕量級(jí)的搜索工具，在日常使用的時(shí)候，用途還是比較廣的，這個(gè)工具就是Whoosh。那么，這個(gè)工具需要怎么進(jìn)行使用呢？具體的代碼內(nèi)容有哪些呢？下面就給大家進(jìn)行詳細(xì)的解答。

　　Whoosh簡(jiǎn)介

　　Whoosh由Matt Chaput創(chuàng)建，它一開(kāi)始是一個(gè)為Houdini 3D動(dòng)畫(huà)軟件包的在線文檔提供簡(jiǎn)單、快速的搜索服務(wù)工具，隨著時(shí)代的發(fā)展，它慢慢的演變成了一個(gè)成熟的搜索工具，為了滿足更多人的需求，將它逐漸變成了一個(gè)開(kāi)源的工具。

　　Whoosh純由Python編寫(xiě)而成，使用起來(lái)比較簡(jiǎn)單靈活，另外現(xiàn)在同時(shí)支持Python第二代，第三代，那么它的優(yōu)點(diǎn)有哪些呢：

　　1、Whoosh純由Python代碼寫(xiě)成的，安裝速度比較的快，安裝簡(jiǎn)單，只需要Python環(huán)境即可，不需要編譯器；

　　2、默認(rèn)使用Okapi BM25F排序算法，也支持其他排序算法；

　　3、相比于其他搜索引擎，Whoosh會(huì)創(chuàng)建更小的index文件；

　　4、Whoosh中的index文件編碼必須是unicode;

　　5、Whoosh可以儲(chǔ)存任意的Python對(duì)象。

　　Whoosh的官方介紹網(wǎng)站為:https://whoosh.readthedocs.io/en/latest/intro.html。相比于ElasticSearch或者Solr等成熟的搜索引擎工具，Whoosh顯得更輕便，操作更簡(jiǎn)單，可以考慮在小型的搜索項(xiàng)目中使用。

　　Index&query

　　對(duì)于熟悉ES的人來(lái)說(shuō)，搜索的兩個(gè)重要的方面為mapping和query，也就是索引的構(gòu)建以及查詢，背后是復(fù)雜的索引儲(chǔ)存、query解析以及排序算法等。如果你有ES方面的經(jīng)驗(yàn)，那么，對(duì)于Whoosh是十分容易上手的。

　　按照筆者的理解以及Whoosh的官方文檔，Whoosh的入門(mén)使用主要是index以及query。搜索引擎的強(qiáng)大功能之一在于它能夠提供全文檢索，這依賴(lài)于排序算法，比如BM25，也依賴(lài)于我們?cè)鯓觾?chǔ)存字段。因此，index作為名詞時(shí)，是指字段的索引，index作為動(dòng)詞時(shí)，是指建立字段的索引。而query會(huì)將我們需要查詢的語(yǔ)句，通過(guò)排序算法，給出合理的搜索結(jié)果。

　　關(guān)于Whoosh的使用，在官文文檔中已經(jīng)給出了詳細(xì)的說(shuō)明，筆者在這里只給出一個(gè)簡(jiǎn)單的例子，來(lái)說(shuō)明Whoosh如何能方便地提升我們的搜索體驗(yàn)。

      實(shí)例代碼

數(shù)據(jù)

本項(xiàng)目的示例數(shù)據(jù)為poem.csv，下圖為該數(shù)據(jù)集的前十行：

字段

根據(jù)數(shù)據(jù)集的特征，我們創(chuàng)建四個(gè)字段（fields）：title,dynasty,poet,content。創(chuàng)建的代碼如下：

    #-*-coding:utf-8-*-

　　import os

　　from whoosh.index import create_in

　　from whoosh.fields import*

　　from jieba.analyse import ChineseAnalyzer

　　import json

　　#創(chuàng)建schema,stored為T(mén)rue表示能夠被檢索

　　schema=Schema(title=TEXT(stored=True,analyzer=ChineseAnalyzer()),

　　dynasty=ID(stored=True),

　　poet=ID(stored=True),

　　content=TEXT(stored=True,analyzer=ChineseAnalyzer())

　　)

　　其中，ID只能為一個(gè)單元值，不能分割為若干個(gè)詞，常用于文件路徑、URL、日期、分類(lèi)；

　　TEXT文件的文本內(nèi)容，建立文本的索引并存儲(chǔ)，支持詞匯搜索；Analyzer選擇結(jié)巴中文分詞器。

創(chuàng)建索引文件

接著，我們需要?jiǎng)?chuàng)建索引文件。我們利用程序先解析poem.csv文件，并將它轉(zhuǎn)化為index，寫(xiě)入到indexdir目錄下。Python代碼如下：

　　#解析poem.csv文件

　　with open('poem.csv','r',encoding='utf-8')as f:

　　texts=[_.strip().split(',')for _ in f.readlines()if len(_.strip().split(','))==4]

　　#存儲(chǔ)schema信息至indexdir目錄

　　indexdir='indexdir/'

　　if not os.path.exists(indexdir):

　　os.mkdir(indexdir)

　　ix=create_in(indexdir,schema)

　　#按照schema定義信息，增加需要建立索引的文檔

　　writer=ix.writer()

　　for i in range(1,len(texts)):

　　title,dynasty,poet,content=texts<i>

　　writer.add_document(title=title,dynasty=dynasty,poet=poet,content=content)

　　writer.commit()

　index創(chuàng)建成功后，我們就利用進(jìn)行查詢。

   比如我們想要查詢content中含有明月的詩(shī)句，可以輸入以下代碼：

　#創(chuàng)建一個(gè)檢索器

　　searcher=ix.searcher()

　　#檢索content中出現(xiàn)'明月'的文檔

　　results=searcher.find("content","明月")

　　print('一共發(fā)現(xiàn)%d份文檔。'%len(results))

　　for i in range(min(10,len(results))):

　　print(json.dumps(results<i>.fields(),ensure_ascii=False))

　　輸出結(jié)果如下：

　　一共發(fā)現(xiàn)44份文檔。

　　前10份文檔如下：

　　{"content":"床前明月光，疑是地上霜。舉頭望明月，低頭思故鄉(xiāng)。","dynasty":"唐代","poet":"李白","title":"靜夜思"}

　　{"content":"邊草，邊草，邊草盡來(lái)兵老。山南山北雪晴，千里萬(wàn)里月明。明月，明月，胡笳一聲愁絕。","dynasty":"唐代","poet":"戴叔倫","title":"調(diào)笑令·邊草"}

　　{"content":"獨(dú)坐幽篁里，彈琴?gòu)?fù)長(zhǎng)嘯。深林人不知，明月來(lái)相照。","dynasty":"唐代","poet":"王維","title":"竹里館"}

　　{"content":"漢江明月照歸人，萬(wàn)里秋風(fēng)一葉身。休把客衣輕浣濯，此中猶有帝京塵。","dynasty":"明代","poet":"邊貢","title":"重贈(zèng)吳國(guó)賓"}

　　{"content":"秦時(shí)明月漢時(shí)關(guān)，萬(wàn)里長(zhǎng)征人未還。但使龍城飛將在，不教胡馬度陰山。","dynasty":"唐代","poet":"王昌齡","title":"出塞二首·其一"}

　　{"content":"京口瓜洲一水間，鐘山只隔數(shù)重山。春風(fēng)又綠江南岸，明月何時(shí)照我還？","dynasty":"宋代","poet":"王安石","title":"泊船瓜洲"}

　　{"content":"四顧山光接水光，憑欄十里芰荷香。清風(fēng)明月無(wú)人管，并作南樓一味涼。","dynasty":"宋代","poet":"黃庭堅(jiān)","title":"鄂州南樓書(shū)事"}

　　{"content":"青山隱隱水迢迢，秋盡江南草未凋。二十四橋明月夜，玉人何處教吹簫？","dynasty":"唐代","poet":"杜牧","title":"寄揚(yáng)州韓綽判官"}

　　{"content":"露氣寒光集，微陽(yáng)下楚丘。猿啼洞庭樹(shù)，人在木蘭舟。廣澤生明月，蒼山夾亂流。云中君不見(jiàn)，竟夕自悲秋。","dynasty":"唐代","poet":"馬戴","title":"楚江懷古三首·其一"}

　　{"content":"海上生明月，天涯共此時(shí)。情人怨遙夜，竟夕起相思。滅燭憐光滿，披衣覺(jué)露滋。不堪盈手贈(zèng)，還寢夢(mèng)佳期。","dynasty":"唐代","poet":"張九齡","title":"望月懷遠(yuǎn)/望月懷古"}

   綜上所述，關(guān)于Python使用工具，Whoosh介紹就給大家介紹到這里了，希望可以為各位讀者帶來(lái)幫助。