这篇教程Python轻量级搜索工具Whoosh的使用教程写得很实用，希望能帮到您。
本文将简单介绍Python中的一个轻量级搜索工具Whoosh，并给出相应的使用示例代码。
Whoosh简介Whoosh由Matt Chaput创建，它一开始是一个为Houdini 3D动画软件包的在线文档提供简单、快速的搜索服务工具，之后便慢慢成为一个成熟的搜索解决工具并已开源。 Whoosh纯由Python编写而成，是一个灵活的，方便的，轻量级的搜索引擎工具，现在同时支持Python2、3，其优点如下： - Whoosh纯由Python编写而成，但很快，只需要Python环境即可，不需要编译器；
- 默认使用 Okapi BM25F排序算法，也支持其他排序算法；
- 相比于其他搜索引擎，Whoosh会创建更小的index文件；
- Whoosh中的index文件编码必须是unicode;
- Whoosh可以储存任意的Python对象。
Whoosh的官方介绍网站为:https://whoosh.readthedocs.io/en/latest/intro.html。相比于ElasticSearch或者Solr等成熟的搜索引擎工具，Whoosh显得更轻便，操作更简单，可以考虑在小型的搜索项目中使用。
Index & query对于熟悉ES的人来说，搜索的两个重要的方面为mapping和query，也就是索引的构建以及查询，背后是复杂的索引储存、query解析以及排序算法等。如果你有ES方面的经验，那么，对于Whoosh是十分容易上手的。 按照笔者的理解以及Whoosh的官方文档，Whoosh的入门使用主要是index以及query。搜索引擎的强大功能之一在于它能够提供全文检索，这依赖于排序算法，比如BM25，也依赖于我们怎样储存字段。因此，index作为名词时，是指字段的索引，index作为动词时，是指建立字段的索引。而query会将我们需要查询的语句，通过排序算法，给出合理的搜索结果。 关于Whoosh的使用，在官文文档中已经给出了详细的说明，笔者在这里只给出一个简单的例子，来说明Whoosh如何能方便地提升我们的搜索体验。
示例代码
数据本项目的示例数据为poem.csv，下图为该数据集的前十行： 
poem.csv
字段根据数据集的特征，我们创建四个字段（fields）：title, dynasty, poet, content。创建的代码如下： |
