Pencarian teks penuh¶

Pencarian search¶

Cara paling mudah menggunakan pencarian teks penuh adalah mencari istilah tunggal terhadap kolom tunggal dalam basisdata. Sebagai contoh:

>>> Entry.objects.filter(body_text__search='Cheese')
[<Entry: Cheese on Toast recipes>, <Entry: Pizza Recipes>]

Ini membuat sebuah to_tsvector dalam basisdata dari bidang body_text dan plainto_tsquery dari istilah pencarian 'Cheese', kedua menggunakan konfigurasi pencarian basisdata awalan. Hasil didapatkan dengan mencocokkan permintaan dan vektor.

Untuk menggunakan pencarian search, 'django.contrib.postgres' harus berada dalam INSTALLED_APPS anda.

SearchVector¶

class SearchVector(*expressions, config=None, weight=None)[sumber]¶

Pencarian terhadap bidang tunggal lebih hebat tetapi agak terbatas. Contoh-contoh Entry kami sedang cari milik sebuah Blog, yang mempunyai bidang tagline. Untuk meminta terhadap kedua bidang, gunakan 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>]

Argumen-argumen pada SearchVector dapat berupa Expression apapun atau nama dari sebuah bidang. Banyak argumen akan dihubungkan bersama menggunakan sebuah ruang sehingga pencarian dokumen menyertakan mereka semua.

Vektor SearchVector dapat dipadukan bersama-sama, mengizinkan anda menggunakan kembali mereka. Sebagai contoh:

>>> Entry.objects.annotate(
...     search=SearchVector('body_text') + SearchVector('blog__tagline'),
... ).filter(search='Cheese')
[<Entry: Cheese on Toast recipes>, <Entry: Pizza Recipes>]

Lihat Merubah konfigurasi pencarian dan Meminta pembobotan untuk sebuah penjelasan dari parameter config dan weight.

SearchQuery¶

class SearchQuery(value, config=None, search_type='plain')[sumber]¶

SearchQuery menterjemahkan istilah pengguna sediakan kedalam obyek permintaan pencarian yang basisdata bandingkan pada pencarian vektor. Secara awalan, semua kata pengguna sediakan dilewatkan melalui algoritma berasal, dan kemudian itu mencari kecocokan untuk semua istilah yang dihasilkan.

Jika search_type adalah 'plain', yang merupakan awalan, istilah-istilah diperlakukan sebagai kata kunci terpisah. Jika search_type adalah 'phrase', istilah-istilah diperlakukan sebagai frasa tunggal. Jika search_type adalah 'raw', kemudian anda dapat menyediakan permintaan pencarian dibentuk dengan istilah dan penghubung. Baca Full Text Search docs PostgreSQL untuk mempelajari tentang perbedaan dan sintaksis. Contoh-contoh:

>>> 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

Istilah SearchQuery dapat dipadukan secara logika untuk menyediakan keluwesan lebih:

>>> from django.contrib.postgres.search import SearchQuery
>>> SearchQuery('meat') & SearchQuery('cheese')  # AND
>>> SearchQuery('meat') | SearchQuery('cheese')  # OR
>>> ~SearchQuery('meat')  # NOT

Lihat Merubah konfigurasi pencarian untuk sebuah penjelasan dari parameter config.

SearchRank¶

class SearchRank(vector, query, weights=None)[sumber]¶

Sejauh ini, kami telah mengembalikan hasil untuk kecocokan apapun diantara vektor dan permintaan adalah memungkinkan. Itu sepertinya akdan mungkin berharap mengurutkan hasil dengan memilih pertaliannya. PostgreSQL menyediakan fungsi peringkat yang memperhitungkan seberapa sering istilah-istilah permintaan muncul di dokumen, bagaimana menutup bersama istilah-istilah dalam dokumen, dan bagaimana penting bagian dari dokumen dimana mereka muncul. Pencocokan yang lebih baik, nilai tertinggi dari peringkat. Untuk diurutkan berdasarkan pertalian:

>>> 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>]

Lihat Meminta pembobotan untuk penjelasan dari parameter weights.

Merubah konfigurasi pencarian¶

Anda dapat menentukan atribut config pada SearchVector dan SearchQuery untuk menggunakan konfigurasi pencarian berbeda. Ini mengizinkan menggunakan pengurai bahasa berbeda dan dictionary sebagai ditentukan oleh basisdata:

>>> 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>]

Nilai dari config dapat juga disimpan dalam kolom lain:

>>> 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>]

Meminta pembobotan¶

Setiap bidang mungkin tidak memiliki hubungan dalam sebuah permintaan, jadi anda dapat mensetel berat dari beragam vektor sebelum anda mamadukan mereka:

>>> 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')

Berat harus beupa satu dari huruf berikut: D, C, B, A. Secara awalan, berat ini mengacu pada angka 0.1, 0.2, 0.4, dan 1.0, masing-masing. Jika anda berharap pada berat mereka berbeda, lewatkan daftar dari float emapt kami ke SearchRank sebagai weights dalam urutan sama diatas:

>>> 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')

Penampilan¶

Konfigurasi basisdata khusus tidak diperlukan untuk menggunakan fungsi ini apapun, bagaimapun, jika anda sedang mencari lebih dari sedikit ratusan rekaman, anda mungkin berjalan kedalam masalah penampilan. Pencarian teks penuh adalah pengolahan lebih intensif daripada membandingkan ukuran dari integer, sebagai contoh.

Pada kegiatan dimana semua bidang anda sedang minta mengandung dalam satu model tertentu, anda dapat membuat sebuah indeks kegunaan yang cocok vektor pencarian anda ingin gunakan. Dokumentasi PostgreSQL mempunyai rincian pada creating indexes for full text search.

>>> Entry.objects.update(search_vector=SearchVector('body_text'))
>>> Entry.objects.filter(search_vector='cheese')
[<Entry: Cheese on Toast recipes>, <Entry: Pizza recipes>]

Kemiripan trigram¶

Pendekatan lain untuk mencari adalah kemiripan trigram. Trigram adalah kelompok dari tiga karakter berurutan. Sebagai tambahan pada pencarian trigram_similar, anda dapat menggunakan sepasang pernyataan lain.

Untuk menggunakan mereka, anda butuh mengaktifkan pg_trgm extension pada PostgreSQL. Anda dapat memasang itu menggunakan tindakan perpindahan TrigramExtension.

>>> 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>]

>>> 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>]