注意， 數(shù)據(jù)庫的表最好別有下劃線

?

?

中文文檔鏈接：

　　　　　　https://mr-zhao.gitbooks.io/whoosh/content/%E5%A6%82%E4%BD%95%E7%B4%A2%E5%BC%95%E6%96%87%E6%A1%A3.html https://mr-zhao.gitbooks.io/whoosh/content/如何索引文檔.html?q=

?

代碼：

https://github.com/renfanzi/myWhoosh

?

?

jieba的使用案例 =====》版本3.5

from jieba.analyse import ChineseAnalyzer import jiebaanalyzer = ChineseAnalyzer() a = analyzer("我的好朋友是李明;我愛北京天安門;IBM和Microsoft; I have a dream. this is intetesting and interested me a lot") # 這樣的是只過濾詞，更加簡潔，更方便 print([i.text for i in a])seg_list = jieba.cut("我的好朋友是李明;我愛北京天安門;IBM和Microsoft; I have a dream. this is intetesting and interested me a lot",cut_all=False) # cut_all = False 就是連標(biāo)點(diǎn)等都不過濾，完全切割cut seg_list1 = jieba.cut("IBM和Microsoft; I have a dream. this is intetesting and interested me a lot",cut_all=True) # cut_all = False 就是過濾標(biāo)點(diǎn)等 print([i for i in seg_list if i]) print([i for i in seg_list1 if i])
# 注意，其實(shí)也可以用join來拼接

?

?

結(jié)果：

Building prefix dict from the default dictionary ... Loading model from cache /tmp/jieba.cache Loading model cost 0.865 seconds. Prefix dict has been built succesfully. ['我', '好', '朋友', '是', '李明', '我', '愛', '北京', '天安', '天安門', 'ibm', 'microsoft', 'dream', 'intetest', 'interest', 'me', 'lot'] ['我', '的', '好', '朋友', '是', '李明', ';', '我', '愛', '北京', '天安門', ';', 'IBM', '和', 'Microsoft', ';', ' ', 'I', ' ', 'have', ' ', 'a', ' ', 'dream', '.', ' ', 'this', ' ', 'is', ' ', 'intetesting', ' ', 'and', ' ', 'interested', ' ', 'me', ' ', 'a', ' ', 'lot'] ['IBM', '和', 'Microsoft', 'I', 'have', 'a', 'dream', 'this', 'is', 'intetesting', 'and', 'interested', 'me', 'a', 'lot']

?

轉(zhuǎn)載于:https://www.cnblogs.com/renfanzi/p/7195970.html

總結(jié)

以上是生活随笔為你收集整理的python 搜索引擎Whoosh中文文档和代码 以及jieba的使用的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。