全文搜索¶
django.contrib.postgres.search
模块中的数据库函数方便了 PostgreSQL 的 全文搜索引擎 的使用。
在本文档的例子中,我们将使用 执行查询 中定义的模型。
参见
有关搜索的高级概述,请参见 主题文档。
search
查找¶
使用全文检索的常见方法是针对数据库中的单一列进行单项检索。例如:
>>> Entry.objects.filter(body_text__search='Cheese')
[<Entry: Cheese on Toast recipes>, <Entry: Pizza Recipes>]
这将使用默认的数据库搜索配置,从 body_text
字段在数据库中创建一个 to_tsvector
,从搜索词 'Cheese'
中创建一个 plainto_tsquery
。通过匹配查询和向量得到结果。
要使用 search
查找,'django.contrib.postgres'
必须在你的 INSTALLED_APPS
。
SearchVector
¶
-
class
SearchVector
(*expressions, config=None, weight=None)¶
对单个字段进行搜索是很好的,但有很大的局限性。我们要搜索的 Entry
实例属于 Blog
,它有一个 tagline
字段。要对这两个字段进行查询,使用 SearchVector
:
>>> from django.contrib.postgres.search import SearchVector
>>> Entry.objects.annotate(
... search=SearchVector('body_text', 'blog__tagline'),
... ).filter(search='Cheese')
[<Entry: Cheese on Toast recipes>, <Entry: Pizza Recipes>]
SearchVector
的参数可以是任何 Expression
或字段名。多个参数将使用空格连接在一起,这样搜索文档就会包含所有参数。
SearchVector
对象可以组合在一起,允许你重复使用它们。例如:
>>> Entry.objects.annotate(
... search=SearchVector('body_text') + SearchVector('blog__tagline'),
... ).filter(search='Cheese')
[<Entry: Cheese on Toast recipes>, <Entry: Pizza Recipes>]
SearchQuery
¶
-
class
SearchQuery
(value, config=None, search_type='plain')¶
SearchQuery
将用户提供的术语转化为搜索查询对象,数据库将其与搜索向量进行比较。默认情况下,用户提供的所有词语都会通过词干算法,然后寻找所有结果词语的匹配。
如果 search_type
是 'plain'
,即默认值,则将术语作为单独的关键字处理。如果 search_type
是 'phrase'
,则将术语作为一个单一的短语处理。如果 search_type
是 'raw'
,那么你可以提供一个带有术语和运算符的格式化搜索查询。如果 search_type
是 'websearch'
,那么你可以提供一个格式化的搜索查询,类似于网络搜索引擎使用的格式。'websearch'
需要 PostgreSQL ≥ 11。请阅读 PostgreSQL 的 全文搜索文档 来了解两者的区别和语法。举例说明。
>>> from django.contrib.postgres.search import SearchQuery
>>> SearchQuery('red tomato') # two keywords
>>> SearchQuery('tomato red') # same results as above
>>> SearchQuery('red tomato', search_type='phrase') # a phrase
>>> SearchQuery('tomato red', search_type='phrase') # a different phrase
>>> SearchQuery("'tomato' & ('red' | 'green')", search_type='raw') # boolean operators
>>> SearchQuery("'tomato' ('red' OR 'green')", search_type='websearch') # websearch operators
SearchQuery
术语可以按逻辑组合,以提供更大的灵活性:
>>> from django.contrib.postgres.search import SearchQuery
>>> SearchQuery('meat') & SearchQuery('cheese') # AND
>>> SearchQuery('meat') | SearchQuery('cheese') # OR
>>> ~SearchQuery('meat') # NOT
参见 更改搜索配置 对 config
参数的解释。
SearchRank
¶
-
class
SearchRank
(vector, query, weights=None, normalization=None, cover_density=False)¶
到目前为止,我们已经返回了向量和查询之间可能匹配的结果。很可能你会希望按照某种相关性对结果进行排序。PostgreSQL 提供了一个排序函数,它考虑了查询术语在文档中出现的频率,术语在文档中的相近程度,以及它们出现的部分在文档中的重要性。匹配度越高,排名值越高。要按相关性排序:
>>> from django.contrib.postgres.search import SearchQuery, SearchRank, SearchVector
>>> vector = SearchVector('body_text')
>>> query = SearchQuery('cheese')
>>> Entry.objects.annotate(rank=SearchRank(vector, query)).order_by('-rank')
[<Entry: Cheese on Toast recipes>, <Entry: Pizza recipes>]
参见 加权查询 关于 weights
参数的解释。
将 cover_density
参数设置为 True
,启用覆盖密度排序,即考虑匹配的查询词的接近程度。
为 normalization
参数提供一个整数,以控制等级标准化。这个整数是一个位掩码,所以你可以结合多种行为:
>>> from django.db.models import Value
>>> Entry.objects.annotate(
... rank=SearchRank(
... vector,
... query,
... normalization=Value(2).bitor(Value(4)),
... )
... )
PostgreSQL 文档中有更多关于 不同排序归一化选项 的细节。
SearchHeadline
¶
-
class
SearchHeadline
(expression, query, config=None, start_sel=None, stop_sel=None, max_words=None, min_words=None, short_word=None, highlight_all=None, max_fragments=None, fragment_delimiter=None)¶
接受一个文本字段或一个表达式、一个查询、一个配置和一组选项。返回高亮显示的搜索结果。
将 start_sel
和 stop_sel
参数设置为字符串值,用于在文档中高亮显示查询词。PostgreSQL 的默认值是 <b>
和 </b>
。
为 max_words
和 min_words
参数提供整数值,以确定最长和最短的标题。PostgreSQL 的默认值是 35 和 15。
为 short_word
参数提供一个整数值,以便在每个标题中丢弃这个长度或更少的字。PostgreSQL 的默认值是 3。
将 highlight_all
参数设置为 True
,以使用整个文档来代替片段,并忽略 max_words
、min_words
和 short_word
参数。这在 PostgreSQL 中是默认禁用的。
为 max_fragments
提供一个非零的整数值,以设置要显示的最大片段数。在 PostgreSQL 中默认是禁用的。
设置 fragment_delimiter
字符串参数来配置片段之间的定界符。PostgreSQL 的默认值是 " ... "
。
PostgreSQL 文档中有更多关于 高亮搜索结果 的细节。
使用实例:
>>> from django.contrib.postgres.search import SearchHeadline, SearchQuery
>>> query = SearchQuery('red tomato')
>>> entry = Entry.objects.annotate(
... headline=SearchHeadline(
... 'body_text',
... query,
... start_sel='<span>',
... stop_sel='</span>',
... ),
... ).get()
>>> print(entry.headline)
Sandwich with <span>tomato</span> and <span>red</span> cheese.
参见 更改搜索配置 对 config
参数的解释。
更改搜索配置¶
你可以为 SearchVector
和 SearchQuery
指定 config
属性,以使用不同的搜索配置。这允许使用数据库定义的不同语言解析器和字典:
>>> from django.contrib.postgres.search import SearchQuery, SearchVector
>>> Entry.objects.annotate(
... search=SearchVector('body_text', config='french'),
... ).filter(search=SearchQuery('œuf', config='french'))
[<Entry: Pain perdu>]
config
的值也可以储存在另一列中:
>>> from django.db.models import F
>>> Entry.objects.annotate(
... search=SearchVector('body_text', config=F('blog__language')),
... ).filter(search=SearchQuery('œuf', config=F('blog__language')))
[<Entry: Pain perdu>]
加权查询¶
每个字段在查询中的相关度可能不一样,所以在组合之前可以设置各种向量的权重:
>>> from django.contrib.postgres.search import SearchQuery, SearchRank, SearchVector
>>> vector = SearchVector('body_text', weight='A') + SearchVector('blog__tagline', weight='B')
>>> query = SearchQuery('cheese')
>>> Entry.objects.annotate(rank=SearchRank(vector, query)).filter(rank__gte=0.3).order_by('rank')
权重应该是下列字母之一。默认情况下,这些权重分别是指数字 0.1
、0.2
、0.4
和 1.0
。如果你希望以不同的方式对它们进行加权,请将四个浮点数的列表传递给 SearchRank
作为 weights
,顺序与上述相同:
>>> rank = SearchRank(vector, query, weights=[0.2, 0.4, 0.6, 0.8])
>>> Entry.objects.annotate(rank=rank).filter(rank__gte=0.3).order_by('-rank')
性能¶
使用这些函数都不需要特殊的数据库配置,但是,如果你搜索的记录超过几百条,你很可能会遇到性能问题。例如,全文搜索是一个比比较整数大小更密集的过程。
In the event that all the fields you're querying on are contained within one
particular model, you can create a functional
GIN
or
GiST
index which matches
the search vector you wish to use. For example:
GinIndex(SearchVector('body_text'), name='body_search_vector_idx')
The PostgreSQL documentation has details on creating indexes for full text search.
SearchVectorField
¶
-
class
SearchVectorField
¶
如果这种方法变得太慢,你可以在你的模型中添加一个 SearchVectorField
。你需要用触发器来填充它,例如,如 PostgreSQL 文档 中所述。然后,你可以像查询一个注解的 SearchVector
一样查询这个字段:
>>> Entry.objects.update(search_vector=SearchVector('body_text'))
>>> Entry.objects.filter(search_vector='cheese')
[<Entry: Cheese on Toast recipes>, <Entry: Pizza recipes>]
三元相似度¶
另一种搜索方法是三元相似性。三元组是由三个连续的字符组成的一组。除了 trigram_similar
和 trigram_word_similar
查询外,你还可以使用其他一些表达方式。
要使用它们,你需要激活 PostgreSQL 上的 pg_trgm 扩展 。你可以使用 TrigramExtension
迁移操作来安装它。
TrigramSimilarity
¶
-
class
TrigramSimilarity
(expression, string, **extra)¶
接受一个字段名或表达式,以及一个字符串或表达式。返回两个参数之间的三元相似度。
使用实例:
>>> from django.contrib.postgres.search import TrigramSimilarity
>>> Author.objects.create(name='Katy Stevens')
>>> Author.objects.create(name='Stephen Keats')
>>> test = 'Katie Stephens'
>>> Author.objects.annotate(
... similarity=TrigramSimilarity('name', test),
... ).filter(similarity__gt=0.3).order_by('-similarity')
[<Author: Katy Stevens>, <Author: Stephen Keats>]
TrigramWordSimilarity
¶
-
class
TrigramWordSimilarity
(string, expression, **extra)¶
接受一个字符串或表达式,以及一个字段名或表达式。返回两个参数之间的三元相似度。
使用实例:
>>> from django.contrib.postgres.search import TrigramWordSimilarity
>>> Author.objects.create(name='Katy Stevens')
>>> Author.objects.create(name='Stephen Keats')
>>> test = 'Kat'
>>> Author.objects.annotate(
... similarity=TrigramWordSimilarity(test, 'name'),
... ).filter(similarity__gt=0.3).order_by('-similarity')
[<Author: Katy Stevens>]
TrigramDistance
¶
-
class
TrigramDistance
(expression, string, **extra)¶
接受一个字段名或表达式,以及一个字符串或表达式。返回两个参数之间的三元距离。
使用实例:
>>> from django.contrib.postgres.search import TrigramDistance
>>> Author.objects.create(name='Katy Stevens')
>>> Author.objects.create(name='Stephen Keats')
>>> test = 'Katie Stephens'
>>> Author.objects.annotate(
... distance=TrigramDistance('name', test),
... ).filter(distance__lte=0.7).order_by('distance')
[<Author: Katy Stevens>, <Author: Stephen Keats>]
TrigramWordDistance
¶
-
class
TrigramWordDistance
(string, expression, **extra)¶
接受一个字符串或表达式,以及一个字段名或表达式。返回两个参数之间的三元字距离。
使用实例:
>>> from django.contrib.postgres.search import TrigramWordDistance
>>> Author.objects.create(name='Katy Stevens')
>>> Author.objects.create(name='Stephen Keats')
>>> test = 'Kat'
>>> Author.objects.annotate(
... distance=TrigramWordDistance(test, 'name'),
... ).filter(distance__lte=0.7).order_by('distance')
[<Author: Katy Stevens>]