Mongoid Search 技术文档
2024-12-20 07:32:53作者:凌朦慧Richard
安装指南
1. 添加 Gem
在项目的 Gemfile 中添加以下内容:
gem 'mongoid_search'
2. 安装 Gem
运行以下命令来安装 Gem:
bundle install
项目的使用说明
1. 定义搜索模型
首先,在你的模型中引入 Mongoid::Search 模块,并定义需要搜索的字段。例如:
class Product
include Mongoid::Document
include Mongoid::Search
field :brand
field :name
field :unit
field :info, type: Hash
has_many :tags
belongs_to :category
search_in :brand, :name, tags: :name, category: :name, info: %i[summary description]
search_in :unit, index: :_unit_keywords
end
class Tag
include Mongoid::Document
field :name
belongs_to :product
end
class Category
include Mongoid::Document
field :name
has_many :products
end
2. 保存数据并生成关键词
当你保存一个 Product 对象时,_keywords 字段会自动生成:
p = Product.new brand: 'Apple', name: 'iPhone', unit: 'kilogram', info: { summary: 'Info-summary', description: 'Info-description' }
p.tags << Tag.new(name: 'Amazing')
p.tags << Tag.new(name: 'Awesome')
p.tags << Tag.new(name: 'Superb')
p.save
# => true
p._keywords
# => ["amazing", "apple", "awesome", "iphone", "superb", "Info-summary", "Info-description"]
p._unit_keywords
# => ["kilogram"]
3. 执行搜索
你可以通过 full_text_search 方法进行搜索,搜索结果会返回匹配的记录:
Product.full_text_search("apple iphone").size
# => 1
4. 动态字段搜索
你还可以通过定义方法来实现动态字段的搜索:
class ModelWithDynamicFields
...
search_in :search_data
def search_data
# 将所有字符串字段的值拼接起来
self.attributes.select{|k,v| v.is_a?(String) }.values.join(' ')
end
end
5. 多索引搜索
你可以为不同的搜索需求定义多个索引,并通过 index 参数指定使用哪个索引进行搜索:
Product.full_text_search("kilogram", index: :_unit_keywords).size
# => 1
项目API使用文档
1. full_text_search 方法
full_text_search 方法用于执行全文搜索,支持以下参数:
query: 搜索的关键词。match: 匹配模式,可以是:any或:all,默认为:any。allow_empty_search: 是否允许空搜索,默认为false。relevant_search: 是否返回相关性信息,默认为false。index: 指定使用的索引,默认为_keywords。
示例:
Product.full_text_search('apple motorola', match: :any).size
# => 1
Product.full_text_search('apple motorola', match: :all).size
# => 0
2. search_in 方法
search_in 方法用于定义需要搜索的字段,支持直接字段和关联字段:
search_in :brand, :name, tags: :name, category: :name, info: %i[summary description]
3. rake mongoid_search:index 任务
该任务用于重新索引所有现有记录:
$ rake mongoid_search:index
项目安装方式
1. 通过 Gemfile 安装
在 Gemfile 中添加:
gem 'mongoid_search'
然后运行:
bundle install
2. 初始化配置
你可以通过创建一个初始化文件来配置 Mongoid::Search 的选项:
Mongoid::Search.setup do |config|
config.match = :any
config.allow_empty_search = false
config.relevant_search = false
config.stem_keywords = false
config.ignore_list = []
config.regex_search = true
config.regex = Proc.new { |query| /#{query}/ }
config.ligatures = { "œ"=>"oe", "æ"=>"ae" }
config.strip_symbols = /[._:;'\"`,?|+={}()!@#%^&*<>~\$\-\\\/\[\]]/
config.strip_accents = /[^\s\p{Alnum}]/
config.minimum_word_size = 2
end
通过以上步骤,你可以成功安装并使用 Mongoid Search 进行全文搜索。
登录后查看全文
热门项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.74 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
596
Ascend Extension for PyTorch
Python
340
403
暂无简介
Dart
771
191
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
247
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355