Django的搜索功能

Question

我正在用Django开发一个网页应用，接下来需要添加搜索功能。搜索功能会应用在两个模型上，一个是扩展了用户认证类的模型，另一个模型有三个字段：name（名字）、tags（标签）和description（描述）。所以在搜索文本方面，我觉得这并不算太复杂。

在开发过程中，我使用的是SQLite，因为还没有做任何特定于数据库的工作，所以在生产环境中我可以选择任何数据库。我在考虑选择PostgreSQL或者MySQL。

我在网上看了很多关于搜索解决方案的帖子，但我还是想听听大家对我这个简单情况的看法。以下是我的问题：

1. 在我的情况下，使用全文搜索会不会太复杂了？

2. 依赖数据库的全文搜索支持是不是更好？如果是的话，我应该用哪个数据库？

3. 我应该使用外部搜索库，比如Whoosh、Sphinx或者Xapian吗？如果是的话，应该选哪个？

补充说明：tags是一个标签字段（来自django-tagging应用），它是一个多对多关系。description是一个可以存储HTML的字段，最大长度为1024字节。

Answer 1

你是否需要外部库，主要看你的需求。你要处理的流量有多大呢？一般来说，外部库在性能上表现得更好，但就像任何事情一样，它们也有优缺点。我现在在用Sphinx配合django-sphinx插件，如果你需要进行大量搜索的话，我会推荐这个组合。

Answer 2

Django在它的QuerySet过滤器中支持全文搜索。现在，如果你只有两个模型需要搜索，只需创建一个视图来搜索这两个模型的字段：

search_string = "+Django -jazz Python"
first_models = FirstModel.objects.filter(headline__search=search_string)
second_models = SecondModel.objects.filter(headline__search=search_string)

如果需要，你还可以进一步过滤结果，以确保结果是唯一的。

另外，还有一个正则表达式过滤器，这可能更适合处理你的html字段和标签，因为正则表达式可以告诉过滤器如何处理任何分隔符或标记。

Answer 3

如果你提到的这个字段 tags 是我想的那样，也就是说你打算把多个标签合成一个字符串存储，那么你可能需要对它进行全文搜索……但这样设计不好；更好的做法是让物品和标签之间有多对多的关系（可以在另一个表中，比如叫 ItemTag，里面有两个外键，分别是物品表和标签表的主键）。

我不太清楚你是否需要对 description 进行全文搜索，因为我不知道它具体是什么内容——也不确定你是需要 MySQL 5.1 和 PostgreSQL 8.3 提供的基本的全文搜索，还是需要像 sphinx 这样的更强大的搜索功能……也许你可以多说说你的应用背景，以及为什么考虑使用全文搜索？

编辑：看起来唯一可能需要进行全文搜索的地方可能就是 description，而且它的内容似乎有限，使用 MySQL 5.1 或 PostgreSQL 8.3 都能满足需求。就我个人而言，我比较喜欢 PostgreSQL（虽然我对 MySQL 也很熟悉），但这只是我的个人偏好，并不是特别和全文搜索有关。这篇博客 提供了一个选择 PostgreSQL 的理由：你可以进行全文搜索，同时还能保持事务性，而在 MySQL 中，全文索引只能在 MyISAM 表上工作，不能在 InnoDB 上工作 [[当然，如果你加上 sphinx，那就另当别论了]]（另外可以看看 这篇后续文章，了解更多关于 PostgreSQL 和 Lucene 的全文搜索内容）。不过，选择数据库时还有其他因素需要考虑，我觉得用这两种数据库都不会太糟糕（除非为了实现全文搜索和事务性而不得不加 sphinx 是个大问题）。