
站内搜索是提升体验的关键功能。用户在你的导航站找某个工具,翻分类不如直接搜;在你的内容站找某篇文章,翻列表不如直接搜。没有搜索,用户找东西的成本很高,走掉的概率也高。
但接第三方搜索服务要么有成本,要么有隐私顾虑(用户搜什么全给了别人),要么有依赖风险。小站的数据量其实自己就能做,不需要动用搜索引擎那套重型方案。
这篇讲三种自建搜索的实现思路,各自适合什么数据量,以及搜索质量怎么优化。
方案一:数据库查询
最直接的做法是用 SQL 的 LIKE 查询。用户输入关键词,拼成一条 WHERE title LIKE 百分号关键词百分号 的语句,返回结果。
优点是实现极简,几行代码搞定,不需要额外组件。缺点也很明确:性能差、功能弱、结果不准。
性能方面,LIKE 查询无法用索引(前置百分号的情况下),意味着每次搜索都要全表扫描。数据量一千条以内感觉不到,一万条开始明显变慢,十万条就要几秒。
功能方面,它只能做"包含"匹配,做不了分词、做不了模糊、做不了相关性排序。用户搜"图片压缩工具",标题是"在线图片压缩",能匹配上;标题是"压缩图片的在线工具",就匹配不上,因为字符串不连续。
结果排序方面,它没有相关性概念。所有匹配的结果顺序由数据库决定,可能最不相关的排在第一个。
适用边界:数据量在一千条以内、且只做简单匹配的场景。超过这个量就该考虑别的方案。这是很多小站的实际起点,但不要在这上面停太久。
方案二:全文索引
如果用的是 MySQL,它自带全文索引功能,可以直接建在表上。原理是把文本拆成词,建一个倒排索引,查询时按词匹配。
建索引的语法是在建表时或者后来加一个全文索引,指定字段。查询时用专门的匹配语法,可以按相关性排序。
相比 LIKE,这个方案有三个明显提升。第一是能用索引,性能好得多。第二是支持分词,中文需要额外配置分词器(默认的分词对中文不友好,会按字切)。第三是支持相关性评分,可以按匹配程度排序。
中文分词是这里的关键门槛。MySQL 内置的分词器对中文支持有限,通常需要装一个中文分词插件。装插件在有些环境(共享主机、容器)不允许,那就用不了。
还有一个限制:全文索引对短词、停用词的处理不理想。搜索"的""和"这类词基本无效。这个影响不大,因为用户也不会搜这些。
适用边界:数据量在一万到十万条、用 MySQL、有权限装分词插件的场景。这是性价比最高的方案,大多数中型小站都够用。
方案三:预生成索引文件
这个思路更适合静态站或者内容更新不频繁的站。做法是:定期把全部内容导出成一份索引文件(JSON 格式),前端下载这份文件后在浏览器里搜索。
索引文件里存什么?每条记录的 id、标题、摘要、可能还有正文的关键词。不需要全文,只需要能被搜到的部分。这样文件体积能控制在几百 KB 到几 MB。
前端搜索的实现有几种。简单做法是遍历数组做字符串匹配;进阶做法是预先算好词表,做倒排索引。对于几千条数据,简单遍历在浏览器里也是毫秒级,不需要复杂化。
这个方案的优点:完全不占服务器资源(搜索在用户浏览器里跑)、没有后端依赖(静态托管也能用)、响应极快(本地数据,没有网络延迟)。
缺点:索引文件要提前生成,内容更新后要重新构建;文件体积不能太大(几 MB 以上用户下载会慢);搜索能力受限于前端实现(做不了复杂的相关性算法)。
适用边界:静态站、内容在几千条以内、更新频率不高(每天或者每周构建一次就够)。导航站特别适合这个方案——收录信息变化不频繁,索引文件几百 KB,用户体验极好。
搜索质量怎么优化
技术方案定了,搜索质量还有很大优化空间。几个实际有效的做法:
第一,多字段加权。标题匹配的权重最高,摘要其次,正文最低。这样用户搜"压缩",标题含"压缩"的排在正文提到"压缩"的前面,符合直觉。
第二,加同义词表。用户搜"图床",你的内容里写的是"图片托管",不加同义词就搜不到。维护一张小的同义词映射表(十几二十条就够),能解决大部分"搜不到"的问题。
第三,支持拼音和首字母。中文用户习惯用拼音搜,输入"tupian"应该能搜到"图片"。这个功能实现不复杂,一个拼音转换库加上预处理就能做。
第四,记录搜不到的词。用户搜了什么、有没有结果,这些日志非常宝贵。定期看"零结果搜索词",能发现你的内容缺口,也能发现同义词表的遗漏。
第五,结果要有摘要。只给标题,用户不知道哪条是他要的。给一段包含关键词的摘要,命中词高亮,体验立刻不一样。
第六,空结果要有建议。搜不到的时候别只显示"无结果",给几个相关推荐或者热门搜索,能留住一部分用户。
一句实在话
自建搜索这件事,小站最常犯的错误是"过度设计"——一上来就想做一套完整的搜索引擎,装了各种组件,最后维护不动。
实际做法应该反过来:先用最简单的方案上线,遇到性能瓶颈再升级。一千条数据用 LIKE 完全够,等涨到一万条再换全文索引,涨到十万条再考虑专门的方案。绝大多数小站走不到最后一步。
