python - 糟糕:不应该还是只能增加结果？

我们使用Haystack 1.2.7和Whoosh 2.4.1作为后端索引了大约9k个文档。尽管使用了Haystack，它看起来还是一个Whoosh问题。看一下我的调试案例：

1）如果我只运行精确查找，Whoosh会找到我的文档（如下所示）：

>>> SearchQuerySet().all().models(PedidoSaida).filter(numero__exact='6210202443/10')
[<SearchResult: logistica.pedidosaida (pk=u'6')>]

2）如果我只是运行startwith查找，Whoosh找不到我的文档（如下所示）：

>>> SearchQuerySet().all().models(PedidoSaida).filter(numero__startswith='6210202443/10')
[]

3）如果我将所有内容放到一个OR查询中，Whoosh仍然找不到我的文档（如下所示）：

>>> SearchQuerySet().all().models(PedidoSaida).filter(SQ(numero__exact='6210202443/10') | SQ(numero__startswith='6210202443/10'))
[]

查看Haystack发送给Whoosh的查询，我们有：

>>> str(SearchQuerySet().all().models(PedidoSaida).filter(numero__exact='6210202443/10').query)
'(numero:6210202443/10) AND (django_ct:logistica.pedidosaida)'

>>> str(SearchQuerySet().all().models(PedidoSaida).filter(numero__startswith='6210202443/10').query)
'(numero:6210202443/10*) AND (django_ct:logistica.pedidosaida)'

>>> str(SearchQuerySet().all().models(PedidoSaida).filter(SQ(numero__exact='6210202443/10') | SQ(numero__startswith='6210202443/10')).query)
'((numero:6210202443/10 OR numero:6210202443/10*)) AND (django_ct:logistica.pedidosaida)'

如您所见，最后一个查询正好是（第一个或第二个）。 Whoosh找不到我的文件吗？我看不出我的逻辑错在哪里：我使用的是OR，查找的内容少于使用其中一种语句的情况。

我还认为，Whoosh通过第一个查询（numero：6210202443/10）而不是第二个查询（numero：6210202443/10 *）找到我的文档是很奇怪的。但是我想这与Haystack在我的CharField中使用的StemmingAnalyzer有关。之后，我将对此进行深入研究。

最佳答案

您可以直接使用QueryParser来查看Whoosh如何解析该查询：

>>> from whoosh.qparser import QueryParser
>>> QueryParser("content", schema=None).parse('((numero:6210202443/10 OR numero:6210202443/10*)) AND (django_ct:logistica.pedidosaida)')
And([Or([Term('numero', '6210202443/10'), Term('numero', '6210202443/')]), Prefix('content', '10'), Term('django_ct', 'logistica.pedidosaida')])

让我们重新格式化最后一行：

And([
    Or([
        Term('numero', '6210202443/10'),
        Term('numero', '6210202443/'),
    ]),
    Prefix('content', '10'),
    Term('django_ct', 'logistica.pedidosaida'),
])

因此，看起来*与搜索词中的/绑定更紧密。我肯定会认为这是飞快移动中的错误。（我确信维护人员会喜欢您的补丁☺）

解决方法：

自己构建查询，而不是通过Whoosh的模糊定义和以人为本的查询语言来回查询。当然，只有当索引位于同一台计算机上并且您使用相同的进程来读取它时，这种方法才有效。我对干草堆了解不多。
避免在numero字段中使用斜杠。将它们更改为不太可能看起来像查询语法的内容，例如下划线。
进行前缀搜索时，请避免包含斜杠；例如，6210202443*在查询中的任何地方都可以正常工作。

关于python - 糟糕:不应该还是只能增加结果？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/15125416/