0

我正在构建一个 Django Web 应用程序来存储文档及其关联的元数据。

大部分元数据将存储在底层 MySQL 数据库中，在 Elasticsearch 中索引 OCR 的文档文本以启用全文搜索。我已经合并了django-elasticsearch-dsl来连接和同步我的数据模型，因为我还在索引（因此，双重存储）我模型中的其他一些字段。我曾考虑使用Haystack，但它缺乏对最新 Elasticsearch 版本的支持。

当通过应用程序的管理界面上传文档时，post_save 信号会自动触发Celery异步后台任务来执行 OCR，并最终将提取的文本索引到 Elasticsearch。

看到我的模型中没有定义全文字段（并希望避免这样做，因为我不想在数据库中存储或搜索 CLOB），我正在寻找更新的最佳实践我的 tasks.py 文件中的 Elasticsearch 文档。似乎没有办法使用 django-elasticseach-dsl 这样做（但也许我错了？）所以我想知道我是否应该这样做：

  1. 尝试使用姐妹django-elasticsearch-dsl-drf包通过 REST 与 Elasticsearch 交互。

  2. 通过使用更普通的 elasticsearch-dsl-py包（基于 elasticsearch-py）更松散地将我的应用程序与 Elasticsearch 集成。使用这种方法我会失去一些“奢侈”，因为我必须编写更多的集成代码，至少如果我想用信号连接我的模型。

有最佳实践吗？还是我没有考虑过的另一种方法？

更新 1： 在尝试实现来自@Nielk 的答案时，我能够将 OCR 文本（下面的 tasks.py 中的结果 =“test”）持久化到 ElasticSearch 中，但它也保留在 MySQL 数据库中。我仍然对如何将 Submission.rawtext 配置为 ElasticSearch 的通路感到困惑。

模型.py：

class Submission(models.Model):

  rawtext = models.TextField(null=True, blank=True)
  ...
  def type_to_string(self):
    return ""

文件.py：

@registry.register_document
class SubmissionDocument(Document)

  rawtext = fields.TextField(attr="type_to_string")

  def prepare_rawtext(self, instance):
    # self.rawtext = None
    # instance.rawtext = "test"

    return instance.rawtext

  ...

tasks.py（在提交模型 post_save 信号上调用）：

  @shared_task
  def process_ocr(my_uuid)

    result = "test" # will ultimately be OCR'd text

    instance = Submission.objects.get(my_uuid=my_uuid)
    instance.rawtext = result
    instance.save()

更新 2（工作解决方案）：

models.py 类提交（models.Model）：

   @property
   def rawtext(self):
      if getattr(self, '_rawtext_local_change', False):
         return self._rawtext
      if not self.pk:
         return None
      from .documents import SubmissionDocument
      try:
         return SubmissionDocument.get(id=self.pk)._rawtext
      except:
         return None

   @rawtext.setter
   def rawtext(self, value):
      self._rawtext_local_change = True
      self._rawtext = value

文件.py

   @registry.register_document
   class SubmissionDocument(Document):

      rawtext = fields.TextField()

      def prepare_rawtext(self, instance):
         return instance.rawtext

任务.py

   @shared_task
   def process_ocr(my_uuid)

      result = "test" # will ultimately be OCR'd text

      # note that you must do a save on property fields, can't do an update
      instance = Submission.objects.get(my_uuid=my_uuid)
      instance.rawtext = result
      instance.save()
4

1 回答 1

1

您可以在链接到您的模型的文档定义中添加额外字段（请参阅文档https://django-elasticsearch-dsl.readthedocs.io/en/latest/fields.html#using-different-attributes中的字段“type_to_field” -for-model-fields，并将其与 'prepare_xxx' 方法结合起来，以在创建实例时初始化为空字符串，并在更新时初始化为当前值）这能解决您的问题吗？

编辑 1 - 这就是我的意思：

模型.py

class Submission(models.Model):
    @property
    def rawtext(self):
        if getattr(self, '_rawtext_local_change ', False):
            return self._rawtext
        if not self.pk:
            return None
        from .documents import SubmissionDocument
        return SubmissionDocument.get(meta__id=self.pk).rawtext

    @property.setter
    def rawtext(self, value):
        self._rawtext_local_change = True
        self._rawtext = value

编辑 2 - 修正代码错字

于 2020-04-18T06:41:12.613 回答