超过245个字符长度的Xapian搜索项：InvalidArgumentError：项太长（> 245）

Question

我在Django应用中使用Xapian和Haystack。我有一个模型，其中包含我要索引以进行搜索的文本字段。此字段用于存储各种字符：单词，URL，HTML等。

我正在使用默认的基于文档的索引模板：

text = indexes.CharField(document=True, use_template=True)

[当有人粘贴了特别长的链接时，有时会产生以下错误：

InvalidArgumentError: Term too long (> 245)

现在我明白了这个错误。在其他情况下的其他领域，我已经解决过了。

我的问题是，处理此异常的[[首选方法是什么？

似乎处理此异常要求我使用prepare_text（）方法：

def prepare_text(self, obj):
    content = []      
    for word in obj.body.split(' '):
        if len(word) <= 245:
            content += [word]
    return ' '.join(content)

似乎只是笨拙，容易出现问题。另外，我无法使用搜索模板。
您如何处理此问题？

Answer 1

我认为您做对了。受xapian omega项目启发，inkscape xapian_backend前叉上有一个补丁。

我已经完成了与您在项目中所做的类似的工作，并使用了一些技巧来使用搜索索引模板：

# regex to efficiently truncate with re.sub
_max_length = 240
_regex = re.compile(r"([^\s]{{{}}})([^\s]+)".format(_max_length))

def prepare_text(self, object):

    # this is for using the template mechanics
    field = self.fields["text"]
    text = self.prepared_data[field.index_fieldname]

    encoding = "utf8"
    encoded = text.encode(encoding)

    prepared = re.sub(_regex, r"\1", encoded, re.UNICODE)

    if len(prepared) != len(encoded):
        return prepared.decode(encoding, 'ignore')

    return text