爲什麼我們需要每個班級有多個搜索向量？（sqlalchemy-searchable）

我正在瀏覽sqlalchemy可搜索的文檔，他們爲同一個類提供了多個搜索向量。爲什麼這會有用？爲什麼我們需要每個班級有多個搜索向量？（sqlalchemy-searchable）

例如（來自文檔）

class Article(Base): 
    __tablename__ = 'article' 

    id = sa.Column(sa.Integer, primary_key=True) 
    name = sa.Column(sa.Unicode(255)) 
    content = sa.Column(sa.UnicodeText) 
    description = sa.Column(sa.UnicodeText) 
    simple_search_vector = sa.Column(TSVectorType('name')) 

    fat_search_vector = sa.Column(
     TSVectorType('name', 'content', 'desription') 
    )

我已經有fat_search_vector和包括name。爲什麼simple_search_vector會有用？

來源

2013-11-22 adarsh

只是一個瘋狂的猜測：讓你搜索標題（簡單搜索），搜索行（胖搜索）？

來源

2013-11-22 20:36:12

確實，但即使是胖的人也有名。這不是浪費嗎？除非你正在執行2次搜索，否則簡單的搜索可能會得到更快的結果？但是我沒有看到任何這樣的用法......如果我誤解了你的觀點，你能解釋一下嗎？ – adarsh

我對Python或鍊金術並不熟悉，但我想 - 根據我的答案 - 它實際上實現了兩種搜索方法：一種僅用於標題，另一種用於整行。可以說，具有（標題/ A，關鍵字/ B，描述/ C，內容/ D）的單個加權字段可能更有意義，但是我將圖像庫的作者創建於此之前，並且爲了向後兼容的目的而使用原始API或者是那個順序的東西。 –

我使用它的多語言搜索：

class Article(Base): 
    __tablename__ = 'article' 

    id = sa.Column(sa.Integer, primary_key=True) 
    name_en = sa.Column(sa.Unicode(255)) 
    name_es = sa.Column(sa.Unicode(255)) 
    search_vector_es = sa.Column(TSVectorType('name_es')) 
    search_vector_en = sa.Column(TSVectorType('name_en'))

然而，現在你必須安裝開發版本（從GitHub），以能夠選擇在搜索中使用的載體。

query = db.query(Article) 
vector = getattr(Article, 'search_vector_{0}'.format(lang) 
results = search(query, vector=vector)

來源

2014-03-04 15:34:35

爲什麼我們需要每個班級有多個搜索向量？ （sqlalchemy-searchable）

回答

相關問題

爲什麼我們需要每個班級有多個搜索向量？（sqlalchemy-searchable）