这篇文章主要讲解了“Python轻量级搜索工具Whoosh如何使用”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Python轻量级搜索工具Whoosh如何使用”吧！
Whoosh简介
Whoosh由Matt Chaput创建，它一开始是一个为Houdini 3D动画软件包的在线文档提供简单、快速的搜索服务工具，之后便慢慢成为一个成熟的搜索解决工具并已开源。
Whoosh纯由Python编写而成，是一个灵活的，方便的，轻量级的搜索引擎工具，现在同时支持Python2、3，其优点如下：
-
Whoosh纯由Python编写而成，但很快，只需要Python环境即可，不需要编译器；
-
默认使用 Okapi BM25F排序算法，也支持其他排序算法；
-
相比于其他搜索引擎，Whoosh会创建更小的index文件；
-
Whoosh中的index文件编码必须是unicode;
-
Whoosh可以储存任意的Python对象。
Index & query
对于熟悉ES的人来说，搜索的两个重要的方面为mapping和query，也就是索引的构建以及查询，背后是复杂的索引储存、query解析以及排序算法等。如果你有ES方面的经验，那么，对于Whoosh是十分容易上手的。
按照笔者的理解以及Whoosh的官方文档，Whoosh的入门使用主要是index以及query。搜索引擎的强大功能之一在于它能够提供全文检索，这依赖于排序算法，比如BM25，也依赖于我们怎样储存字段。因此，index作为名词时，是指字段的索引，index作为动词时，是指建立字段的索引。而query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。
示例代码
数据
本项目的示例数据为poem.csv，下图为该数据集的前十行：
字段
根据数据集的特征，我们创建四个字段（fields）：title, dynasty, poet, content。创建的代码如下：
# -*- coding: utf-8 -*- import os from whoosh.index import create_in from whoosh.fields import * from jieba.analyse import ChineseAnalyzer import json # 创建schema, stored为True表示能够被检索 schema = Schematitle=TEXTstored=True, analyzer=ChineseAnalyzer)), dynasty=IDstored=True), poet=IDstored=True), content=TEXTstored=True, analyzer=ChineseAnalyzer)) )
其中，ID只能为一个单元值，不能分割为若干个词，常用于文件路径、URL、日期、分类；
TEXT文件的文本内容，建立文本的索引并存储，支持词汇搜索；Analyzer选择结巴中文分词器。
创建索引文件
接着，我们需要创建索引文件。我们利用程序先解析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.existsindexdir): os.mkdirindexdir) ix = create_inindexdir, schema) # 按照schema定义信息，增加需要建立索引的文档 writer = ix.writer) for i in range1, lentexts)): title, dynasty, poet, content = texts[i] writer.add_documenttitle=title, dynasty=dynasty, poet=poet, content=content) writer.commit)
index创建成功后，会生成indexdir目录，里面含有上述poem.csv数据的各个字段的索引文件。
查询
index创建成功后，我们就利用进行查询。
比如我们想要查询content中含有明月的诗句，可以输入以下代码：
# 创建一个检索器 searcher = ix.searcher) # 检索content中出现'明月'的文档 results = searcher.find"content", "明月") print'一共发现%d份文档。' % lenresults)) for i in rangemin10, lenresults))): printjson.dumpsresults[i].fields), ensure_ascii=False))
输出结果如下：
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，低头思故乡。", "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"}