使用django-haystack集成提取的PDF内容

Question

我已经使用Solr提取了PDF / DOCX内容，并且我已经使用以下专用于此的Solr URL来建立一些搜索查询：

http://localhost:8983/solr/select?q=Lycee

我想用django-haystack建立一个这样的查询。 我发现这个链接正在讨论这个问题：

https://github.com/toastdriven/django-haystack/blob/master/docs/rich_content_extraction.rst

但是没有带有django-haystack（2.0.0-beta）的“FileIndex”类。 如何在django-haystack中集成这样的搜索？

Answer 1

文档中引用的“FileIndex”是haystack.indexes.SearchIndex的假设子类。 这是一个例子：

from haystack import indexes
from myapp.models import MyFile

class FileIndex(indexes.SearchIndex, indexes.Indexable):
    text = indexes.CharField(document=True, use_template=True)
    title = indexes.CharField(model_attr='title')
    owner = indexes.CharField(model_attr='owner__name')


    def get_model(self):
        return MyFile

    def index_queryset(self, using=None):
        return self.get_model().objects.all()

    def prepare(self, obj):
        data = super(FileIndex, self).prepare(obj)

        # This could also be a regular Python open() call, a StringIO instance
        # or the result of opening a URL. Note that due to a library limitation
        # file_obj must have a .name attribute even if you need to set one
        # manually before calling extract_file_contents:
        file_obj = obj.the_file.open()

        extracted_data = self.backend.extract_file_contents(file_obj)

        # Now we'll finally perform the template processing to render the
        # text field with *all* of our metadata visible for templating:
        t = loader.select_template(('search/indexes/myapp/myfile_text.txt', ))
        data['text'] = t.render(Context({'object': obj,
                                        'extracted': extracted_data}))

        return data

因此， extracted_data将替换为您提出的用于提取PDF / DOCX内容的任何过程。 然后，您将更新模板以包含该数据。