搜索

标准文本查询

文本字段能通过匹配运算进行筛选。例如，你可能会这样查找一个作者:

>>> Author.objects.filter(name__contains='Terry')
[<Author: Terry Gilliam>, <Author: Terry Jones>]

这是一种非常简陋的方案，因为它要求用户必须知道用户名中包含的字符串。大小写不敏感的匹配 (icontains) 不失为一种更好的方案，但优化的程度有限。

一个更高级的数据库比较函数

若你使用的是 PostgreSQL，Django 提供了 数据特殊筛选工具 帮助你巧妙利用更复杂的查询条件。其它数据库也有不同的筛选工具，可能是通过插件或用户自定义函数实现的。Django 此时还没有为他们提供任何支持。我们会用来自 PostgreSQL 的实例来证明其包含的功能函数。

在上面的例子中，我们可以确认大小写不敏感的查询会更实用一些。当处理英文以外的名字时，可以用 无重音比较 来优化:

>>> Author.objects.filter(name__unaccent__icontains='Helen')
[<Author: Helen Mirren>, <Author: Helena Bonham Carter>, <Author: Hélène Joy>]

这展开了另一个关于通过名字的不同拼写进行比较的讨论。但这种比较是不对称的 —— 筛选 Helen 能拿到 Helena 或 Hélène，但反着来却不行。还有一个选项允许使用 trigram_similar 比较，这回比较字母的序列。

例如：

>>> Author.objects.filter(name__unaccent__lower__trigram_similar='Hélène')
[<Author: Helen Mirren>, <Author: Hélène Joy>]

现在还有一个问题 —— 名字 "Helena Bonham Carter" 有点太长了，以至于没有显示。三元搜索综合考虑了三种字母的所有组合形式，并同时再查询和源字符串中比较了出现的次数。对于长名字，源字符串中包含了更多的组合方式，所以其不再被认为是一种近似匹配。

要基于你提供的特定数据集合选择一个合适的比较函数，例如依据使用的语言和待搜索的文本。我们见过的所有例子都是关于短字符串的，这使得用户可以输入与源数据关联较大（根据不同的定义）的内容。

文档搜索

标准数据库操作对于大量文本搜索来说太过简陋了。虽然上面的示例可以看作是对字符串的操作，但是全文搜索查看的是实际的单词。依据所使用的系统，可以采用下面的某些方法：

• 忽略 “停止单词”，例如 "a"，"the"，"and"。
• 词干化，这样 "pony" 和 "ponies" 会被认为是一样的。
• 根据不同的标准为单词设置权重，例如其在文本中出现的频率，或所属字段（如标题或关键字）的重要性。

使用搜索软件有很多选项，最常见的有 Elastic 和 Solr。它们都是基于全文搜索的解决方案。要用它们搜索来自 Django 模型的数据，你需要一个抽象层，将数据（包括对数据库 id 的指针）转换为文本文档。当使用该引擎的某次搜索返回了一份文档，你可以在数据库中查看它。有很多第三方库被设计为处理这种问题。

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

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