SQLAlchemy-Searchable 配置详解:打造高效全文搜索功能
SQLAlchemy-Searchable 是一个强大的工具,它为 SQLAlchemy 模型提供了全文搜索能力,特别适合需要实现复杂搜索功能的 Python 应用。本文将深入探讨如何配置 SQLAlchemy-Searchable 以满足不同场景下的搜索需求。
全局配置选项
SQLAlchemy-Searchable 提供了一系列全局配置选项,可以在初始化时通过 make_searchable
函数进行设置:
from sqlalchemy_searchable import make_searchable
make_searchable(Base.metadata, options={
"search_trigger_name": "{table}_{column}_trigger",
"search_trigger_function_name": "{table}_{column}_update",
"regconfig": "pg_catalog.english"
})
关键配置参数说明:
search_trigger_name
:定义搜索触发器的命名规则,默认格式为{table}_{column}_trigger
search_trigger_function_name
:定义搜索向量更新函数的命名规则,默认格式为{table}_{column}_update
regconfig
:指定 PostgreSQL 的文本搜索配置,决定了搜索时使用的语言配置
语言配置调整
不同的应用场景可能需要不同的语言支持。SQLAlchemy-Searchable 允许你为每个搜索向量单独指定语言配置:
from sqlalchemy_utils.types import TSVectorType
class Article(Base):
__tablename__ = "article"
name = sa.Column(sa.Text(255))
search_vector = TSVectorType("name", regconfig="pg_catalog.finnish")
这种灵活性特别适合多语言应用,你可以为不同语言的字段设置对应的语言配置,确保分词和搜索的准确性。
搜索结果权重控制
在实际应用中,某些字段的内容可能比其他字段更重要。PostgreSQL 提供了从 A 到 D 的权重系统(A 最重要,D 最不重要),SQLAlchemy-Searchable 完美支持这一特性:
class Article(Base):
__tablename__ = "article"
id = sa.Column(sa.Integer, primary_key=True)
title = sa.Column(sa.String(255))
content = sa.Column(sa.Text)
search_vector = sa.Column(
TSVectorType(
"title",
"content",
weights={"title": "A", "content": "B"}
)
)
使用权重搜索时,查询需要启用 sort=True
选项:
query = search(sa.select(Article), "search text", sort=True)
多搜索向量设计
复杂的数据模型可能需要多个搜索向量来满足不同的搜索需求:
class Article(Base):
__tablename__ = "article"
id = sa.Column(sa.Integer, primary_key=True)
name = sa.Column(sa.String(255))
content = sa.Column(sa.Text)
description = sa.Column(sa.Text)
# 简单搜索向量,仅包含名称
simple_search_vector = sa.Column(TSVectorType("name"))
# 完整搜索向量,包含所有文本字段
fat_search_vector = sa.Column(TSVectorType("name", "content", "description"))
查询时可以指定使用哪个搜索向量:
query = search(
sa.select(Article),
"keyword",
vector=Article.fat_search_vector
)
联合搜索向量实现跨表搜索
在关系型数据库中,经常需要跨多个表进行联合搜索。SQLAlchemy-Searchable 通过组合搜索向量实现了这一功能:
class Category(Base):
__tablename__ = "category"
id = sa.Column(sa.Integer, primary_key=True)
name = sa.Column(sa.String(255))
search_vector = sa.Column(TSVectorType("name"))
class Article(Base):
__tablename__ = "article"
id = sa.Column(sa.Integer, primary_key=True)
name = sa.Column(sa.String(255))
content = sa.Column(sa.Text)
search_vector = sa.Column(TSVectorType("name", "content"))
category_id = sa.Column(sa.Integer, sa.ForeignKey(Category.id))
category = sa.orm.relationship(Category)
实现跨表搜索:
combined_search_vector = Article.search_vector | Category.search_vector
query = search(
sa.select(Article).join(Category),
"matrix",
vector=combined_search_vector
)
对于左连接查询,需要考虑可能为 NULL 的情况:
combined_search_vector = Article.search_vector | sa.func.coalesce(
Category.search_vector, ""
)
最佳实践建议
-
性能考虑:搜索向量会占用额外存储空间并增加写入开销,应根据实际需求选择必要的字段建立索引
-
语言选择:确保选择的
regconfig
与内容语言匹配,以获得最佳搜索效果 -
权重设计:合理设置权重可以显著提升搜索相关性,建议根据业务需求进行调优
-
测试验证:在生产环境部署前,应充分测试各种搜索场景,确保返回结果符合预期
通过合理配置 SQLAlchemy-Searchable,你可以为应用构建强大而灵活的全文搜索功能,满足从简单到复杂的各种搜索需求。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++036Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0283Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









