Django基于PostgreSQL Search Vector实现多词/部分词搜索技术问询

看起来你已经用Django的PostgreSQL全文检索工具搭好了基础框架，要扩展支持多词和部分词搜索其实不难，咱们一步步来调整：

一、多词搜索的优化 #

默认情况下，SearchQuery(text)会把用户输入的多词解析为AND逻辑（比如输入"apple red"会找同时包含apple和red的记录），但如果想支持更灵活的逻辑（比如OR、短语匹配），可以做这些调整：

• 支持OR逻辑：如果希望用户输入的多个词只要匹配任意一个就行，可以把查询拆分成多个SearchQuery然后用|（OR）组合：

from django.contrib.postgres.search import SearchVector, SearchQuery, SearchRank

def search(self, text):
    # 拆分用户输入的词
    terms = text.split()
    # 为每个词创建SearchQuery，然后用OR组合
    search_queries = [SearchQuery(term) for term in terms]
    combined_query = search_queries[0]
    for q in search_queries[1:]:
        combined_query |= q
    
    # 原有的SearchVector和SearchRank保留
    search_vectors = (
        SearchVector('name', weight='A', config='english') +
        SearchVector('short_description', weight='B', config='english') +
        SearchVector('description', weight='C', config='english')
    )
    search_rank = SearchRank(search_vectors, combined_query, weights=[0.2, 0.4, 0.6, 1])
    return self.annotate(rank=search_rank).filter(rank__gte=0.2).order_by('-rank')

• 支持短语匹配：如果用户输入带引号的短语（比如"apple pie"），要精确匹配这个短语，可以用SearchQuery的phrase=True参数，不过需要先判断输入是否包含引号：

import re
from django.contrib.postgres.search import SearchVector, SearchQuery, SearchRank

def search(self, text):
    # 检测是否有带引号的短语
    phrase_match = re.search(r'"([^"]+)"', text)
    if phrase_match:
        phrase = phrase_match.group(1)
        # 处理短语查询
        search_query = SearchQuery(phrase, phrase=True)
        # 剩下的非短语部分继续按多词处理
        remaining_text = re.sub(r'"[^"]+"', '', text).strip()
        if remaining_text:
            terms = remaining_text.split()
            for term in terms:
                search_query |= SearchQuery(term)
    else:
        # 普通多词处理
        terms = text.split()
        search_queries = [SearchQuery(term) for term in terms]
        search_query = search_queries[0]
        for q in search_queries[1:]:
            search_query |= q
    
    # 后续的vector、rank、查询逻辑不变
    search_vectors = (
        SearchVector('name', weight='A', config='english') +
        SearchVector('short_description', weight='B', config='english') +
        SearchVector('description', weight='C', config='english')
    )
    search_rank = SearchRank(search_vectors, search_query, weights=[0.2, 0.4, 0.6, 1])
    return self.annotate(rank=search_rank).filter(rank__gte=0.2).order_by('-rank')

二、部分词（前缀）搜索的实现 #

如果要支持输入部分词就能匹配（比如输入"app"匹配"apple"、"application"），需要用前缀查询，Django的SearchQuery支持prefix=True参数，或者直接构造带:*的tsquery：

方法1：用SearchQuery的prefix参数 #

from django.contrib.postgres.search import SearchVector, SearchQuery, SearchRank

def search(self, text):
    terms = text.split()
    # 为每个词创建前缀查询
    search_queries = [SearchQuery(term, prefix=True) for term in terms]
    combined_query = search_queries[0]
    for q in search_queries[1:]:
        combined_query |= q
    
    search_vectors = (
        SearchVector('name', weight='A', config='english') +
        SearchVector('short_description', weight='B', config='english') +
        SearchVector('description', weight='C', config='english')
    )
    search_rank = SearchRank(search_vectors, combined_query, weights=[0.2, 0.4, 0.6, 1])
    return self.annotate(rank=search_rank).filter(rank__gte=0.2).order_by('-rank')

这个方法会把每个词转换成term:*的tsquery，匹配所有以该词开头的词汇。

方法2：手动构造tsquery（更灵活） #

如果需要更精细的控制，比如只对某些字段做前缀匹配，可以直接用Func构造tsquery：

from django.db.models import Func
from django.contrib.postgres.search import SearchVector, SearchRank

def search(self, text):
    terms = text.split()
    # 构造每个词的前缀查询字符串，比如'app:*'
    tsquery_str = ' | '.join([f"{term}:*" for term in terms])
    # 用Func调用to_tsquery
    search_query = Func(tsquery_str, function='to_tsquery', template='%(function)s(\'english\', %(expressions)s)')
    
    search_vectors = (
        SearchVector('name', weight='A', config='english') +
        SearchVector('short_description', weight='B', config='english') +
        SearchVector('description', weight='C', config='english')
    )
    search_rank = SearchRank(search_vectors, search_query, weights=[0.2, 0.4, 0.6, 1])
    return self.annotate(rank=search_rank).filter(rank__gte=0.2).order_by('-rank')

三、多词+部分词的组合方案 #

把上面的逻辑结合起来，就能同时支持多词的OR/AND逻辑，以及部分词前缀匹配：

import re
from django.contrib.postgres.search import SearchVector, SearchQuery, SearchRank

def search(self, text):
    # 处理短语和普通词
    phrase_match = re.search(r'"([^"]+)"', text)
    search_queries = []
    
    if phrase_match:
        # 短语精确匹配
        phrase = phrase_match.group(1)
        search_queries.append(SearchQuery(phrase, phrase=True))
        # 移除短语部分，处理剩下的词
        text = re.sub(r'"[^"]+"', '', text).strip()
    
    # 处理剩下的普通词，做前缀匹配
    if text:
        terms = text.split()
        for term in terms:
            # 每个词做前缀查询，加入OR逻辑
            search_queries.append(SearchQuery(term, prefix=True))
    
    if not search_queries:
        # 如果没有有效查询词，返回空结果
        return self.none()
    
    # 组合所有查询（OR逻辑）
    combined_query = search_queries[0]
    for q in search_queries[1:]:
        combined_query |= q
    
    # 构建搜索向量
    search_vectors = (
        SearchVector('name', weight='A', config='english') +
        SearchVector('short_description', weight='B', config='english') +
        SearchVector('description', weight='C', config='english')
    )
    # 注意：weights参数对应D、C、B、A权重的顺序（Django文档定义）
    search_rank = SearchRank(search_vectors, combined_query, weights=[0.2, 0.4, 0.6, 1])
    
    # 过滤排名大于等于0.2的结果，按排名降序排列（更相关的在前）
    return self.annotate(rank=search_rank).filter(rank__gte=0.2).order_by('-rank')

额外优化建议 #

• 预处理用户输入：可以去掉输入中的特殊字符、停用词（比如"the"、"a"），减少无效查询，提升性能。
• 使用GIN索引：为你的搜索向量字段创建GIN索引，大幅提升搜索速度，比如在模型的Meta里定义：

from django.contrib.postgres.indexes import GinIndex

class Meta:
    indexes = [
        GinIndex(fields=['search_vector']),
    ]

如果是动态生成的SearchVector（像你现在这样），可以考虑添加一个持久化的search_vector字段，用信号或者定时任务更新，而不是每次查询都生成。

• 调整权重：根据你的业务需求调整SearchVector的weight和SearchRank的weights参数，让更重要的字段（比如name）的匹配结果排名更靠前。

内容的提问来源于stack exchange，提问作者user3541631