Skip to content
The Chat Archive
gpt-3.5-turbo-0301· OpenAI WildChat-4.8M (AI2)

Как определенной предпочтения нет, так как обе библиотеки (Whoosh и Msearch) имеют свои…

  1. User

    Как определенной предпочтения нет, так как обе библиотеки (Whoosh и Msearch) имеют свои преимущества и недостатки.

    Whoosh прост в использовании и легко настраивается, но работает медленнее, когда количество документов становится большим. Он также не поддерживает распределенный поиск.

    Msearch поддерживает распределенный поиск, что может быть важным для крупных проектов, и имеет более высокую производительность, но имеет более сложный интерфейс, требует больше настройки и использует Elasticsearch, что может привести к потенциальным издержкам на сервере.

    Таким образом, выбор между Whoosh и Msearch зависит от конкретных потребностей проекта и будет зависеть от особенностей проекта и требований к поиску. tasks_topics = db.Table(‘tasks_topics’, db.Column(‘task_id’, db.Integer, db.ForeignKey(‘tasks.id’)), db.Column(‘topics_id’, db.Integer, db.ForeignKey(‘topics.id’)) )

    class Tasks(db.Model): tablename = ‘tasks’ searchable = [‘task’, ‘id’] # these fields will be indexed by whoosh

    id = db.Column(db.Integer, primary_key=True, autoincrement=True) url = db.Column(db.String(120), comment=“ЧПУ задачи в адресе (транслитом)”) task = db.Column(db.Text, comment=‘Условие задачи’) answer = db.Column(db.Text, comment=‘Ответ’) status = db.Column(db.Boolean, default=0, comment=‘Статус: опубликована/неактивна (по умолчанию нет)’) created_t = db.Column(db.DateTime, comment=‘Дата и время создания’) level = db.Column(db.SmallInteger, default=1, comment=‘Уровень сложности: 1,2 … (по умолчанию 1 уровень)’)

    связи

    topics = db.relationship(‘Topics’, secondary=tasks_topics, back_populates=“tasks”)

    class Topics(db.Model): tablename = ‘topics’ searchable = [‘name’]

    id = db.Column(db.Integer, primary_key=True, autoincrement=True) name = db.Column(db.String(140), comment=“Уникальное название темы(подтемы)”) parent = db.Column(db.Integer, default=0, comment=“ID родительской темы(если есть)”)

    связи

    tasks = db.relationship(‘Tasks’, secondary=tasks_topics, back_populates=“topics”)

    def return_parent_as_class(self): cte = Topics.query.filter(Topics.id == self.id).cte(name=“parents”, recursive=True)

    Определяем рекурсивную часть CTE

    cte = cte.union_all(Topics.query.join(cte, cte.c.parent == Topics.id))

    Выполняем запрос, используя рекурсивную CTE

    parent_topics = Topics.query.from_statement(cte.select().order_by(cte.c.parent)).all() return parent_topics

    я хочу сделать полнотекстовый поиск Tasks c учетом поля ‘name’ из Topics c использованием Msearch. Но тут таблица m2m.Можно ли это сделать?

  2. Assistant

    Да, можно сделать полнотекстовый поиск Tasks с учетом поля 'name' из Topics с использованием Msearch и таблицы m2m. Для этого нужно объединять таблицы Tasks, Topics и tasks_topics, чтобы получить доступ к полям name и task. Далее можно использовать Msearch для создания индекса и выполнения поисковых запросов. Кроме того, можно использовать метод join() SQLAlchemy для объединения таблиц. Примерный код для поиска задач, содержащих определенное слово в названии темы:

    from elasticsearch import Elasticsearch from elasticsearch_dsl import Search, Q from app import Tasks, Topics, tasks_topics, db

    Создаем экземпляр Elasticsearch

    es = Elasticsearch()

    Создаем объект поиска Elasticsearch

    search = Search(using=es, index='task_index')

    Создаем объект запроса поиска Elasticsearch

    query = Q("multi_match", fields=["task", "name"], query="search_term")

    Объединяем таблицы Tasks, Topics и tasks_topics

    query = query & Q('nested', path='topics', query=Q('match', **{'topics.name': 'search_term'}))

    Выполняем поиск Elasticsearch

    response = search.query(query).execute()

    Обрабатываем результаты Elasticsearch

    for hit in response.hits.hits: # обрабатываем результаты поиска task = Tasks.query.get(hit['_id']) print(task.task)