kzlv

Пробовал всякие scrapy и прочие "фреймворки для парсинга", но приходилось с ними много бороться. В итоге пришел к написанию собственной утилиты. Построено поверх requests + lxml: первым делаешь запросы, вторым — с помощью селектора XPath забираешь данные. Ничего лишнего.

Я прошлым летом начал изучать python в связке с django, чтобы сделать пару проектов чисто для себя — таск-менеджер, заметочный сервис, блог и всё такое.
До этого пытался освоить PHP и Node.js, но дальше видеокурсов дело не дошло: вроде бы с плюралсайтом/кодакадеми их абстрактные бесполезные задачи решаешь, а как доходит до реальной задачи, просто не знаешь, как подступиться.

Питон мне посоветовал пхпшник с формулировкой "Если хочешь быстро результат, бери джангу и питон". Взял. Вот правда, я жалею, что не начал раньше с них.
Так как в самом программировании что-то понимал, у питона изучил в основном синтаксис (помогла дока и это), а у джанги не просмотрев даже треть видео пошел на сайт читать их собственные туториалы. Не мучился вообще, примитивную рабочую версию таск-менеджера сделал через 5-6 вечеров, хотя прикоснулся к джанге в первый раз. Смотрю сейчас тот код, глаза болят, но если хочется конкретно свои задачи решать, тогда это отличный вариант.

Это выглядит как кромешный говнокод, если честно.
Можете описать подробнее? А то совершенно непонятно, что вам нужно. Если отвечать на вопрос из тайтла, то ответ вы и сами знаете:

Accessories.objects.filter(accessories_material1__title='раз',
                           accessories_material2__title='два',
                           accessories_material3__title='и так хоть сколько полей')

А то, что вы описали, совершенно непонятно.
А еще у вас там не дописано название модели в пятой FK:

accessories_material5 =  models.ForeignKey(Accessories_materia)

Можно и стороннее решение, если я могу его поставить и пулять данные и получать данные через api.

Слышал о подобных затеях, но они обычно стоят как чугунный мост.

Мы писали сами. У этой фильтрации алгоритм прост до неприличия. Гуглится мужик, который написал статью об этом методе и выложил исходник. Код не смотрел, но как минимум не увидел упоминаний Pypy, поэтому может работать медленно.
В общем, из коробки ничего нет, это ожидаемо. Но сделать самому не сложно. По интернету ходят датасеты с Netflix Prize. Скачайте, напишите, потестите.
Но магии не ждите. Без своего большущего датасета рекомендации будут херовенькие.

P.S. Предикшен.ио пробовали использовать. Сожрало все ресурсы, нормальных рекомендаций не дало. Может что-то не так делали, но разбираться желания не было.