Whoosh功能

Question

我有700多个小的，本地存储的文本文件(不超过2Kb大)。每个文件位于一个文件夹中，如：

• 2012//05//18.txt
• 2013//09/22.txt
• 2014//11//29.txt

(每个文件代表一天)。

内容包含每日的“事件”信息。我感兴趣的是能够找到包含特定单词的文件。

1. 文件能被批量索引吗？也就是说，可以编写python/whoosh代码来索引一组文件吗？
2. 如果是这样的话，是否可以编写python脚本来搜索每个文件中的特定单词？
3. 如果这不是whoosh的功能，或者如果whoosh对这样的任务过度消耗，那么还有什么能更好地完成这个任务呢？

Answer 1

前言:我从来没有用过哇哦。我刚看了快速启动。

似乎要完成这一任务是非常微不足道的。你要做的工作的关键是在这里：

writer.add_document(title=u"First document", path=u"/a", content=u"This is the first document we've added!")

这就是真正创建索引的地方。本质上，您需要做的似乎是使用类似os.walk的东西来爬行您的根目录，并填写数据，并为它找到的每个文件填写writer.add_document参数。

for root, dirs, files in os.walk("/your/path/to/logs"):
    for file in files:
        filepath = os.path.join(root, file)
        with open(filepath, 'r') as content_file:
            file_contents = content_file.read()
            writer.add_document(title=file, content=the_contents, path=filepath)

至少这是个起点。在此之后，使用Whoosh提供的Searcher运行索引文件似乎非常简单。

with ix.searcher() as searcher:
    query = QueryParser("content", ix.schema).parse("somesearchstring")
    results = searcher.search(query)
    print(results)

就像我说的，我从来没有用过，但是如果我是你，这就是我会做的。