- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
感谢您花时间提前回答这个问题。我对 Python (3.6) 和 Whoosh (2.7.4) 都比较陌生,所以如果我遗漏了一些明显的东西,请原谅我。
我正在尝试按照 How to Search > Combining Results 上的 Whoosh 文档中的说明进行操作.但是,我真的迷失在这一部分:
# Get the terms searched for
termset = set()
userquery.existing_terms(termset)
当我运行我的代码时,它产生了这个错误:
'set' object has no attribute 'schema'
出了什么问题?
我还查看了有关 Whoosh API 的文档对此,但我只是对 ixreader 的作用感到更加困惑。 (或者是 index.Index.reader()?)耸耸肩
架构
schema = Schema(uid=ID(unique=True, stored=True), # unique ID
indice=ID(stored=True, sortable=True),
title=TEXT,
author=TEXT,
body=TEXT(analyzer=LanguageAnalyzer(lang)),
hashtag=KEYWORD(lowercase=True, commas=True,
scorable=True)
)
相关的字段名是“hashtag”和“body”。主题标签是用户为每个文档选择的关键字,正文是文档中的文本。非常不言自明,不是吗?
搜索功能
其中大部分直接来自 Whoosh Doc。注意,dic 只是一个包含查询字符串的字典。另外,应该注意的是,错误发生在 userquery.existing_terms(termset) 期间,所以如果其余部分都是废话,我很抱歉,我还没有走那么远。
try:
ix = index.open_dir(self.w_path, indexname=lang)
qp = QueryParser('body', schema=ix.schema)
userquery = qp.parse(dic['string'])
termset = set()
userquery.existing_terms(termset)
bbq = Or([Term('hashtag', text) for fieldname, text
in termset if fieldname == 'body'])
s = ix.searcher()
results = s.search(bbq, limit=5)
allresults = s.search(userquery, limit=10)
results.upgrade_and_extend(allresults)
for r in results:
print(r)
except Exception as e:
print('failed to search')
print(e)
return False
finally:
s.close()
我的代码的目标
我从不同的文件(pdf、epub 等)中获取页面,并将每个页面的文本作为单独的“文档”存储在 whoosh 索引(即字段“body”)中。每个“文档”也标有唯一 ID (uid),允许我获取搜索结果并确定它来自哪个 pdf 文件以及哪些页面包含搜索命中(例如“1.pdf”第 2 页的文档"有 uid 1.2)。换句话说,我想为用户提供包含搜索词的页码列表,也许还有点击次数最多的页面。对于每个文件,唯一具有主题标签(或关键字)的文档是 uid 以零结尾的文档(即第零页,例如“1.pdf”的 uid 1.0)。第 0 页可能也可能没有“正文”(例如发布日期、作者姓名、摘要等)。我这样做是为了防止由于在每个“文档”(即页面)上多次重复关键字,页面较多的文档的排名显着高于页面少得多的文档。
最终,我只希望代码将带有主题标签的文档提升到仅在正文中搜索命中的文档。我考虑过只提升主题标签字段,但我不确定它的机制是什么,文档也建议不要这样做。
建议和更正将不胜感激。再次感谢!
最佳答案
您链接中的代码对我来说不正确。它也给了我同样的错误。尝试按如下方式重新排列您的代码:
try:
ix = index.open_dir(self.w_path, indexname=lang)
qp = QueryParser('body', schema=ix.schema)
userquery = qp.parse(dic['string'])
s = ix.searcher()
allresults = s.search(userquery, limit=10)
termset = userquery.existing_terms(s.reader())
bbq = Or([Term('hashtag', text) for fieldname, text in termset if fieldname == 'body'])
results = s.search(bbq, limit=5)
results.upgrade_and_extend(allresults)
for r in results:
print(r)
except Exception as e:
print('failed to search')
print(e)
return False
finally:
s.close()
existing_terms
需要 reader
所以我创建了 searcher
首先给出它的reader
至于提升一个领域,机制是quite simple :
schema = Schema(title=TEXT(field_boost=2.0), body=TEXT)
.
添加足够高的提升以将主题标签文档置于顶部,并确保在正文和主题标签字段上应用单个查询。
在提升还是组合之间做出决定取决于您是否希望所有匹配的主题标签文档始终绝对位于顶部,然后显示任何其他匹配项。如果是这样,结合。相反,如果您更喜欢在相关性方面取得平衡,尽管对主题标签有更强的偏见,请提高。
关于Python Whoosh - 合并结果,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47228237/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!