FlexSearch 中英文预设下关键词搜索失效问题解析

问题背景

在使用FlexSearch这一强大的全文搜索引擎时，开发者发现当使用英文语言预设(EnglishPreset)时，某些关键词搜索会出现异常情况。具体表现为：索引中包含"user"和"users"的文档，搜索"users"能返回结果，但搜索"user"却返回空数组。

问题复现

通过以下代码可以复现该问题：

import { Index, Charset, Encoder } from 'flexsearch';
import EnglishPreset from 'flexsearch/lang/en';

const encoder = new Encoder(Charset.LatinDefault, EnglishPreset);

const index = new Index({
  tokenize: 'full',
  encoder,
});

index.add(1, 'user is not working, but users is working');

const userResult = index.search('user');
const usersResult = index.search('users');

console.log('userResult:', userResult, 'usersResult:', usersResult);

输出结果为：

userResult: [] usersResult: [ 1 ]

问题原因分析

经过深入分析，发现问题出在FlexSearch的英文预设处理流程上。EnglishPreset包含三个主要处理阶段：

1. prepare阶段：预处理文本
2. filter阶段：过滤掉无意义的词
3. stemmer阶段：提取词干

当搜索"user"时，处理流程如下：

1. stemmer会移除"er"后缀，得到"us"
2. filter阶段认为"us"是无意义词而将其过滤
3. 最终导致搜索无结果

而对于"users"：

1. stemmer处理后得到"us"+"s"的词干组合
2. 可能保留了足够的信息量，未被完全过滤
3. 因此能返回匹配结果

临时解决方案

在官方修复前，可以采用以下临时解决方案：

const encoder = new Encoder(Charset.LatinDefault, {
  prepare: EnglishPreset.prepare,
  filter: EnglishPreset.filter
});

这种配置跳过了stemmer阶段，使得：

• "user"能直接匹配文档中的"user"
• "users"也能匹配文档中的"users"

输出变为：

userResult: [ 1 ] usersResult: [ 1 ]

官方修复方案

FlexSearch开发团队确认这是一个post-filter阶段的问题，即在stemmer之后又进行了额外的过滤操作。最新版本已经修复了这个问题。

技术启示

这个问题给我们几个重要的技术启示：

1. 语言处理流水线的复杂性：文本搜索中的语言处理需要谨慎设计各阶段的顺序和交互
2. 词干提取的风险：过度或不当的词干提取可能导致信息丢失
3. 测试覆盖的重要性：需要针对各种词形变化进行充分测试

最佳实践建议

在使用FlexSearch的language preset时，建议：

1. 充分测试核心关键词的搜索效果
2. 了解预设中包含的各处理阶段
3. 根据实际需求考虑是否使用完整的preset
4. 保持FlexSearch版本更新以获取最新修复

这个问题展示了全文搜索引擎中语言处理模块的复杂性，也提醒开发者在使用高级功能时需要理解其底层机制。