本文将简略介绍 Python 中的一个轻量级搜寻工具 Whoosh，并给出相应的应用示例代码。
Whoosh 简介
Whoosh 由 Matt Chaput 创立，它一开始是一个为 Houdini 3D 动画软件包的在线文档提供简略、疾速的搜寻服务工具，之后便缓缓成为一个成熟的搜寻解决工具并已开源。
Whoosh 纯由 Python 编写而成，是一个灵便的，不便的，轻量级的搜索引擎工具，当初同时反对 Python2、3，其长处如下：
- Whoosh 纯由 Python 编写而成，但很快，只须要 Python 环境即可，不须要编译器；
- 默认应用 Okapi BM25F 排序算法，也反对其余排序算法；
- 相比于其余搜索引擎，Whoosh 会创立更小的 index 文件；
- Whoosh 中的 index 文件编码必须是 unicode;
- Whoosh 能够贮存任意的 Python 对象。
Whoosh 的官网介绍网站为：https://whoosh.readthedocs.io…。相比于 ElasticSearch 或者 Solr 等成熟的搜索引擎工具，Whoosh 显得更轻便，操作更简略，能够思考在小型的搜寻我的项目中应用。
Index & query
对于相熟 ES 的人来说，搜寻的两个重要的方面为 mapping 和 query，也就是索引的构建以及查问，背地是简单的索引贮存、query 解析以及排序算法等。如果你有 ES 方面的教训，那么，对于 Whoosh 是非常容易上手的。
依照笔者的了解以及 Whoosh 的官网文档，Whoosh 的入门应用次要是 index 以及 query。搜索引擎的弱小性能之一在于它可能提供全文检索，这依赖于排序算法，比方 BM25，也依赖于咱们怎么贮存字段。因而，index 作为名词时，是指字段的索引，index 作为动词时，是指建设字段的索引。而 query 会将咱们须要查问的语句，通过排序算法，给出正当的搜寻后果。
对于 Whoosh 的应用，在官文文档中曾经给出了具体的阐明，笔者在这里只给出一个简略的例子，来阐明 Whoosh 如何能不便地晋升咱们的搜寻体验。
示例代码
数据
本我的项目的示例数据为 poem.csv，下图为该数据集的前十行：
poem.csv
字段
依据数据集的特色，咱们创立四个字段（fields）：title, dynasty, poet, content。创立的代码如下：
# -*- coding: utf-8 -*-
import os
from whoosh.index import create_in
from whoosh.fields import *
from jieba.analyse import ChineseAnalyzer
import json
# 创立 schema, stored 为 True 示意可能被检索
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 只能为一个单元值，不能宰割为若干个词，罕用于文件门路、URL、日期、分类；\
TEXT 文件的文本内容，建设文本的索引并存储，反对词汇搜寻；Analyzer 抉择结巴中文分词器。
创立索引文件
接着，咱们须要创立索引文件。咱们利用程序先解析 poem.csv 文件，并将它转化为 index，写入到 indexdir 目录下。Python 代码如下：
# 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]
# 存储 schema 信息至 indexdir 目录
indexdir = 'indexdir/'
if not os.path.exists(indexdir):
os.mkdir(indexdir)
ix = create_in(indexdir, schema)
# 依照 schema 定义信息，减少须要建设索引的文档
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 创立胜利后，会生成 indexdir 目录，外面含有上述 poem.csv 数据的各个字段的索引文件。
查问
index 创立胜利后，咱们就利用进行查问。
比方咱们想要查问 content 中含有 明月 的诗句，能够输出以下代码：
# 创立一个检索器
searcher = ix.searcher()
# 检索 content 中呈现 '明月' 的文档
results = searcher.find("content", "明月")
print('一共发现 %d 份文档。' % len(results))
for i in range(min(10, len(results))):
print(json.dumps(results[i].fields(), ensure_ascii=False))输入后果如下：
一共发现 44 份文档。前 10 份文档如下：{"content": "床前明月光，疑是地上霜。举头望明月，抬头思故土。", "dynasty": "唐代", "poet": "李白", "title": "静夜思"}
{"content": "边草，边草，边草尽来兵老。山南山北雪晴，千里万里月明。明月，明月，胡笳一声愁绝。", "dynasty": "唐代", "poet": "戴叔伦", "title": "调笑令·边草"}
{"content": "独坐幽篁里，弹琴复长啸。深林人不知，明月来相照。", "dynasty": "唐代", "poet": "王维", "title": "竹里馆"}
{"content": "汉江明月照归人，万里秋风一叶身。休把客衣轻浣濯，此中犹有帝京尘。", "dynasty": "明代", "poet": "边贡", "title": "重赠吴国宾"}
{"content": "秦时明月汉时关，万里长征人未还。但使龙城飞将在，不教胡马度阴山。", "dynasty": "唐代", "poet": "王昌龄", "title": "出塞二首·其一"}
{"content": "京口瓜洲一水间，钟山只隔数重山。春风又绿江南岸，明月何时照我还？", "dynasty": "宋代", "poet": "王安石", "title": "泊船瓜洲"}
{"content": "四顾山光接水光，凭栏十里芰荷香。清风明月无人管，并作南楼一味凉。", "dynasty": "宋代", "poet": "黄庭坚", "title": "鄂州南楼书事"}
{"content": "青山隐隐水迢迢，秋尽江南草未凋。二十四桥明月夜，玉人何处教吹箫？", "dynasty": "唐代", "poet": "杜牧", "title": "寄扬州韩绰判官"}
{"content": "露气寒光集，微阳下楚丘。猿啼洞庭树，人在木兰舟。广泽生明月，苍山夹乱流。云中君不见，竟夕自悲秋。", "dynasty": "唐代", "poet": "马戴", "title": "楚江怀古三首·其一"}
{"content": "海上生明月，天涯共此时。情人怨遥夜，竟夕起相思。灭烛怜光满，披衣觉露滋。不堪盈手赠，还寝梦佳期。", "dynasty": "唐代", "poet": "张九龄", "title": "望月怀远 / 望月怀古"}以上就是本次分享的所有内容，如果你感觉文章还不错，欢送关注公众号：Python 编程学习圈，每日干货分享，发送“J”还可支付大量学习材料，内容笼罩 Python 电子书、教程、数据库编程、Django，爬虫，云计算等等。或是返回编程学习网，理解更多编程技术常识。