如何为Django商品搜索引擎实现标题拼写纠错功能？

针对商品标题的拼写错误匹配需求，推荐两种方案，分别适配不同规模的业务场景：

方案一：轻量实现（基于编辑距离） #

适合商品数量较少（万级以内）的场景，无需额外索引，快速落地。

核心逻辑 #

通过计算用户搜索词与商品标题的编辑距离（Levenshtein Distance），判断两者的相似度，设定阈值（比如编辑距离≤2）来匹配可能的拼写错误结果，同时保留原有筛选条件。

具体操作 #

1. 安装依赖库

pip install python-Levenshtein

2. 修改视图逻辑
   在原有筛选流程中，先对搜索词做拼写相似性匹配，再结合其他筛选条件：

import Levenshtein
from django.db.models import Q

def is_valid_queryparam(param):
    return param != '' and param is not None

def FilterView(request):
    qs = Product.objects.all()
    categories = Category.objects.all()
    title_contains_query = request.GET.get('title_contains')
    id_exact_query = request.GET.get('title_exact')
    title_or_author_query = request.GET.get('title_or_author')
    view_count_min = request.GET.get('view_count_min')
    view_count_max = request.GET.get('view_count_max')
    date_min = request.GET.get('date_min')
    date_max = request.GET.get('date_max')
    category = request.GET.get('category')

    # 处理标题搜索的拼写错误
    if is_valid_queryparam(title_contains_query):
        # 先通过前缀筛选缩小计算范围（取搜索词前3个字符），提升性能
        preliminary_qs = qs.filter(title__icontains=title_contains_query[:3].lower())
        # 设定相似度阈值：编辑距离≤2认为是可接受的拼写错误
        threshold = 2
        matching_ids = []
        search_term = title_contains_query.lower()
        for product in preliminary_qs:
            distance = Levenshtein.distance(search_term, product.title.lower())
            if distance <= threshold:
                matching_ids.append(product.id)
        # 优先用相似匹配结果，无结果则回退到原模糊查询
        if matching_ids:
            qs = qs.filter(id__in=matching_ids)
        else:
            qs = qs.filter(title__icontains=title_contains_query)
    elif is_valid_queryparam(id_exact_query):
        qs = qs.filter(id=id_exact_query)
    elif is_valid_queryparam(title_or_author_query):
        qs = qs.filter(Q(title__icontains=title_or_author_query) | Q(author__username__icontains=title_or_author_query)).distinct()

    # 原有筛选逻辑保持不变
    if is_valid_queryparam(view_count_min):
        qs = qs.filter(view_count__gte=view_count_min)
    if is_valid_queryparam(view_count_max):
        qs = qs.filter(view_count__lte=view_count_max)
    if is_valid_queryparam(date_min):
        qs = qs.filter(created_at__date__gte=date_min)
    if is_valid_queryparam(date_max):
        qs = qs.filter(created_at__date__lte=date_max)
    if is_valid_queryparam(category) and category != 'Choose...':
        qs = qs.filter(category__name=category)

    context = {
        'queryset': qs,
        'categories': categories
    }
    return render(request, 'search/filter_form.html', context)

3. 特定字符串的精准修正
   针对高频拼写错误，可提前建立映射表，优先替换错误词：

# 定义常见拼写错误映射（按需扩展）
TYPO_MAPPINGS = {
    'stacoverflow': 'stackoverflow',
    'phne': 'phone',
    'laptp': 'laptop'
}

def FilterView(request):
    title_contains_query = request.GET.get('title_contains')
    if is_valid_queryparam(title_contains_query):
        # 先检查是否在映射表中，替换错误拼写
        corrected_query = TYPO_MAPPINGS.get(title_contains_query.lower(), title_contains_query)
        # 后续编辑距离计算或模糊查询使用修正后的词
        preliminary_qs = qs.filter(title__icontains=corrected_query[:3].lower())
        # ... 其余逻辑同上

方案二：进阶实现（基于全文检索引擎） #

适合商品数量较多（十万级及以上）的场景，性能和拼写纠错准确度更优。

核心逻辑 #

使用全文检索引擎（如Whoosh、Elasticsearch），这类引擎内置拼写纠错功能，通过建立商品索引，快速匹配相似结果，同时支持与原有筛选条件结合。

具体操作（以django-haystack+Whoosh为例） #

1. 安装依赖

pip install django-haystack whoosh

2. 配置settings.py
   在INSTALLED_APPS中添加haystack，并配置索引路径：

INSTALLED_APPS = [
    # ... 原有app
    'haystack',
]

import os
HAYSTACK_CONNECTIONS = {
    'default': {
        'ENGINE': 'haystack.backends.whoosh_backend.WhooshEngine',
        'PATH': os.path.join(BASE_DIR, 'whoosh_index'),
    },
}
# 实时更新索引（商品新增/修改时自动更新）
HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'

3. 创建搜索索引文件
   在你的商品app目录下创建search_indexes.py：

from haystack import indexes
from .models import Product

class ProductIndex(indexes.SearchIndex, indexes.Indexable):
    # document=True表示该字段是主要搜索字段
    text = indexes.CharField(document=True, use_template=True)
    # 映射商品模型字段，用于精准筛选
    title = indexes.CharField(model_attr='title')
    author = indexes.CharField(model_attr='author__username')
    category = indexes.CharField(model_attr='category__name')

    def get_model(self):
        return Product

    def index_queryset(self, using=None):
        # 返回需要建立索引的商品数据集
        return self.get_model().objects.all()

4. 创建索引模板
   在templates/search/indexes/[你的app名]/product_text.txt中编写索引内容模板：

{{ object.title }}
{{ object.author.username }}
{{ object.category.name }}

5. 生成初始索引
   运行命令生成现有商品的索引：

python manage.py rebuild_index

6. 修改视图逻辑
   使用haystack的搜索API处理拼写纠错，再结合原有筛选条件：

from haystack.query import SearchQuerySet
from django.db.models import Q

def FilterView(request):
    qs = Product.objects.all()
    categories = Category.objects.all()
    title_contains_query = request.GET.get('title_contains')
    # ... 其他参数保持不变

    if is_valid_queryparam(title_contains_query):
        # auto_query自动处理拼写纠错，返回相似匹配结果
        sqs = SearchQuerySet().models(Product).auto_query(title_contains_query)
        # 获取匹配的商品ID集合
        matching_ids = [result.object.id for result in sqs]
        if matching_ids:
            qs = qs.filter(id__in=matching_ids)
        else:
            # 无匹配结果时回退到原模糊查询
            qs = qs.filter(title__icontains=title_contains_query)
    # ... 原有筛选逻辑保持不变

    context = {
        'queryset': qs,
        'categories': categories
    }
    return render(request, 'search/filter_form.html', context)

方案对比 #

内容的提问来源于stack exchange，提问作者static-man