Redis入门--头歌实验使用Redis构建自动补全组件

- 日理万妓 2024-04-17 13:49 68阅读 0赞

**自动补全与输入联想功能已经是大多数网站的标配，给表单加入自动补全功能大大节省了用户输入时间，而输入联想功能则起到了预测用户喜好的作用，两个功能都是提升用户体验的利器。  
本实训，我们通过实现搜索历史、自动补全和搜索预测三大常用功能，带领大家编写实用的程序组件。**

## 搜索历史功能 ##

#!/usr/bin/env python
    #-*- coding:utf-8 -*-
    
    import redis
    
    conn = redis.Redis()
    
    # 将最新搜索词记录到搜索记录列表中
    def add_search_history(user_id, keyword):
        # 将最新搜索词记录到指定用户的搜索记录列表中
        # user_id: 用户ID
        # keyword: 搜索关键词
        history_list = "recent:search:" + user_id
        pipe = conn.pipeline()
        pipe.multi()
        pipe.lrem(history_list, 0, keyword)  # 移除已存在的关键词
        pipe.lpush(history_list, keyword)  # 将关键词插入到列表头部
        pipe.ltrim(history_list, 0, 49)  # 保留最新的50个搜索记录
        pipe.execute()
    
    # 删除搜索记录列表中的指定搜索词
    def remove_search_history(user_id, keyword):
        # 从指定用户的搜索记录列表中删除指定的搜索词
        # user_id: 用户ID
        # keyword: 待删除的搜索关键词
        conn.lrem("recent:search:" + user_id, 0, keyword)
    
    # 获取到自动匹配的搜索词列表
    def fetch_autocomplete_list(user_id, prefix):
        # 获取指定用户搜索记录列表中以指定前缀开头的搜索词列表
        # user_id: 用户ID
        # prefix: 搜索关键词前缀
        candidates = conn.lrange("recent:search:" + user_id, 0, -1)
        matches = [candidate.decode('utf-8') for candidate in candidates if candidate.decode('utf-8').startswith(prefix)]
        return matches

## 自动补全功能 ##

#!/usr/bin/env python
    #-*- coding:utf-8 -*-
    
    import uuid
    import redis
    import bisect
    
    conn = redis.Redis()
    
    # 生成起始元素和结束元素
    def find_prefix_range(prefix):
        # 根据前缀生成起始元素和结束元素，用于查找匹配的提示词
        # prefix: 给定的前缀字符串
        characters = "`abcdefghijklmnopqrstuvwxyz{"
    
        posn = bisect.bisect_left(characters, prefix[-1:])
        suffix = characters[(posn or 1) - 1]
        return prefix[:-1] + suffix + '{', prefix + '{'
    
    # 获取匹配提示词列表
    def autocomplete_on_prefix(prefix):
        # 根据前缀获取匹配的提示词列表
        # prefix: 给定的前缀字符串
        zset_name = 'autocomplete:candidates'
        start, end = find_prefix_range(prefix)
        identifier = str(uuid.uuid4())
        start += identifier
        end += identifier
    
        conn.zadd(zset_name, {start: 0, end: 0})
        sindex = conn.zrank(zset_name, start)
        eindex = conn.zrank(zset_name, end)
        erange = min(sindex + 9, eindex - 2)
        pipe = conn.pipeline()
        pipe.multi()
        pipe.zrem(zset_name, start, end)
        pipe.zrange(zset_name, sindex, erange)
        items = pipe.execute()[-1]
    
        return [item for item in items if '{' not in item]

## **搜索预测功能** ##

#!/usr/bin/env python
    #-*- coding:utf-8 -*-
    
    import redis
    
    conn = redis.Redis()
    
    # 记录搜索词频次
    def add_keyword_frequency(keyword):
        # 根据搜索词记录频次并维护搜索词的有序集合
        # keyword: 搜索词
        for i in range(len(keyword)):
            zset_name = "keyword:" + keyword[0:i+1]
            conn.zincrby(zset_name, 1, keyword)
            conn.zremrangebyrank(zset_name, 20, -1)
            conn.expire(zset_name, 86400)
    
    # 获取搜索预测列表
    def get_search_suggestions(prefix):
        # 根据前缀获取搜索预测列表
        # prefix: 搜索词前缀
        return conn.zrevrange("keyword:" + prefix, 0, -1)