Python中的布尔文本搜索

Question

我正在寻找一个现有的模块，这使我能够编写基本的布尔查询来匹配和搜索文本，而无需编写自己的解析器等。

例如，

president AND (ronald OR (george NOT bush))

将对与TRUE相匹配“总统罗纳德·拉根”“总统罗纳德·拉根和布什”“最大布什不是总统”

但是错误“乔治·布什曾任总统”“我不知道如何拼写罗纳德·拉根”

（（到目前为止，我发现Booleano似乎有点过大，但可以完成任务。但是他们的团队不活跃，我无法从文档中找出该怎么做。）

感谢

编辑：确切的样式或语法并不重要。我的目标是使非技术用户能够搜索某些文本，而不仅仅是关键字搜索。

Answer 1

很幸运，找到一个已经存在的库正好可以解析您提供的示例表达式。我建议使您的表达格式更具机器可读性，同时保持其所有清晰度。 Lisp S表达式（使用前缀表示法）简洁明了：

（和“总统”（或“罗纳德”“乔治”“莎莉”））

使用这种格式编写解析器比使用您的格式更容易。或者，您可以只切换到Lisp，它将本地解析它。 ：）

旁注：我想你不是想让您的“ NOT”运算符变成二进制，对吗？

Answer 2

您可能想看看使用pyparsing模块的simpleBool.py上的this page代码。否则，这是我编写的一些简单代码。

这不是一个模块，但是可能会带您正确的方向。

def found(s,searchstr):
    return s.find(searchstr)>-1

def booltest1(s):
    tmp = found(s,'george') and not found(s,'bush')
    return found(s,'president') and (found(s,'ronald') or tmp)

print booltest1('the president ronald reagan')
print booltest1('george bush was a president')

并且您可以测试其他。我使用了tmp，因为线路太长了

Answer 3

我在我的网站上使用python中的sphinx for full text search。它具有支持boolean matchings的简单语法，但带有运算符，而不是单词。例如，您的查询为president (regan|(bush -george))。

[Lucene具有same feature。

Answer 4

免责声明：我是下面介绍的软件包的创建者。

对于那些可能会来到此页面的人：我构建了一个程序包来做到这一点（仍处于beta中。）

pip install eldar
您的查询将转换为以下代码：

from eldar import build_query

eldar = build_query('"president" AND ("ronald" OR ("george" AND NOT "bush"))')

print(eldar("President Bush"))
# >>> False
print(eldar("President George"))
# >>> True
您也可以在某些熊猫数据框中使用它，请查看git页面以获取更多信息：https://github.com/kerighan/eldar