Flask-SQLAlchemy 产品搜索优化：集成全文搜索引擎-Python教程-PHP中文网

Flask-SQLAlchemy 产品搜索优化：集成全文搜索引擎

霞舞

发布： 2025-08-03 16:02:13

原创

531人浏览过

flask-sqlalchemy 产品搜索优化：集成全文搜索引擎

本文将介绍如何在 Flask 应用中集成全文搜索引擎，以优化基于 Flask-SQLAlchemy 的产品搜索功能。如摘要所述，当需要处理复杂的搜索条件，例如同时搜索多个品牌、类别等，手动构建搜索逻辑不仅复杂，而且性能难以保证。因此，采用全文搜索引擎是更高效的选择。

为什么选择全文搜索引擎？

传统的数据库查询方式，例如使用 LIKE 语句进行模糊匹配，在数据量较大时性能会显著下降。而全文搜索引擎，例如 Elasticsearch，通过对文本数据进行预处理（例如分词、索引），能够快速地进行文本搜索，并支持复杂的搜索条件，例如布尔搜索、模糊搜索、权重排序等。

集成 Elasticsearch 的步骤

以下步骤概述了如何在 Flask 应用中集成 Elasticsearch。

安装 Elasticsearch:

首先，需要在服务器上安装并运行 Elasticsearch。可以从 Elasticsearch 官网下载安装包，按照官方文档进行安装配置。
安装 Elasticsearch Python 客户端:

在 Flask 项目中，使用 Elasticsearch 的 Python 客户端与 Elasticsearch 服务器进行通信。可以使用 pip 安装：
```
pip install elasticsearch
```
登录后复制
创建 Elasticsearch 索引:

需要为产品数据创建一个 Elasticsearch 索引。索引定义了数据的结构和分析方式。可以使用 Elasticsearch 的 API 或者 Kibana 来创建索引。以下是一个示例索引配置：

爱克网络企业网站建设系统 No.090730
系统特点：功能简洁实用。目前互联网上最简洁的企业网站建设系统！原创程序代码。非网络一般下载后修改的代码。更安全。速度快！界面模版分离。原创的分离思路，完全不同于其他方式，不一样的简单感受！搜索引擎优化。做了基础的seo优化。对搜索引擎更友好系统功能关于我们：介绍企业介绍类信息，可自由添加多个介绍栏目！资讯中心：公司或行业资讯类内容展示。可自由添加多个资讯内容！产品展示：支持类别设置，可添加产品图片

0

查看详情
```
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "type": "standard",
          "stopwords": "_english_"
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "brand": {
        "type": "text",
        "analyzer": "my_analyzer"
      },
      "title": {
        "type": "text",
        "analyzer": "my_analyzer"
      },
      "description": {
        "type": "text",
        "analyzer": "my_analyzer"
      },
      "collection": {
        "type": "keyword"
      },
      "division": {
        "type": "keyword"
      },
      "category": {
        "type": "keyword"
      },
      "price": {
        "type": "float"
      },
      "size_id": {
        "type": "integer"
      }
    }
  }
}
```
登录后复制
注意: 上面的配置中，my_analyzer 使用了 standard 分析器，并移除了英文停用词。根据实际需求，可以选择更合适的分析器。keyword 类型适用于不需要分词的字段，例如 collection、division 和 category。

将数据同步到 Elasticsearch:

当产品数据发生变化时（例如新增、修改、删除），需要将数据同步到 Elasticsearch 索引。可以使用 Flask-SQLAlchemy 的事件监听器来实现自动同步。

from flask import Flask
from flask_sqlalchemy import SQLAlchemy
from elasticsearch import Elasticsearch

app = Flask(__name__)
app.config['SQLALCHEMY_DATABASE_URI'] = 'postgresql://user:password@host:port/database'
db = SQLAlchemy(app)
es = Elasticsearch([{'host': 'localhost', 'port': 9200}])

class Product(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    brand = db.Column(db.String(255))
    title = db.Column(db.String(255))
    description = db.Column(db.Text)
    collection = db.Column(db.String(255))
    division = db.Column(db.String(255))
    category = db.Column(db.String(255))
    price = db.Column(db.Float)
    size_id = db.Column(db.Integer)

def after_insert(mapper, connection, target):
    es.index(index='products', doc_type='_doc', id=target.id, body={
        'brand': target.brand,
        'title': target.title,
        'description': target.description,
        'collection': target.collection,
        'division': target.division,
        'category': target.category,
        'price': target.price,
        'size_id': target.size_id
    })

def after_update(mapper, connection, target):
    es.update(index='products', doc_type='_doc', id=target.id, body={
        'doc': {
            'brand': target.brand,
            'title': target.title,
            'description': target.description,
            'collection': target.collection,
            'division': target.division,
            'category': target.category,
            'price': target.price,
            'size_id': target.size_id
        }
    })

def after_delete(mapper, connection, target):
    es.delete(index='products', doc_type='_doc', id=target.id)

from sqlalchemy import event
event.listen(Product, 'after_insert', after_insert)
event.listen(Product, 'after_update', after_update)
event.listen(Product, 'after_delete', after_delete)

登录后复制

注意: 上面的代码片段展示了如何使用 SQLAlchemy 的事件监听器，在 Product 模型新增、更新、删除后，自动同步数据到 Elasticsearch。

执行搜索:

使用 Elasticsearch 的 Python 客户端执行搜索。可以将用户输入的搜索条件转换为 Elasticsearch 的查询语句。
```
def search_products(query):
    search_results = es.search(index='products', body={
        'query': {
            'multi_match': {
                'query': query,
                'fields': ['brand', 'title', 'description'],
                'fuzziness': 'AUTO'
            }
        }
    })
    return search_results['hits']['hits']
```
登录后复制
注意: 上面的代码片段使用了 multi_match 查询，在 brand、title 和 description 字段中搜索用户输入的关键词。fuzziness 参数允许一定的拼写错误。