SearchWP 与 Relevanssi 站内搜索增强：中文分词与权重配置现实问题

引言：搜”免备案”搜不出写”免备案”的文章

在 WordPress 上做中文站点，搜索功能几乎必然让人失望：搜”虚拟主机”，搜不出标题里写”虚拟主机”的文章（因为作者写的是”虚机”）；搜”免备案”，返回一堆只含”备案”两个字的文章；文章数过万之后，一次搜索要花两三秒，前台转圈。

根因是 WordPress 默认搜索走的是 LIKE '%关键词%'（本站另有专文拆解原理），既不分词也不排序，中文里”免备案”和”备案”在它眼里是两个毫不相干的字符串。

站内搜索增强插件做的事就是”自己建一套索引”：把每篇文章的标题、正文、摘要、分类名、自定义字段拆成词条，存进索引表，搜索时按词频与权重算分排序。SearchWP 和 Relevanssi 是这个领域最主流的两个选择，前者是商业插件，后者有免费版与付费版（Premium）。

原理分析：两套索引机制

两者的共同点是不再依赖 MySQL 的全文索引，所以绕开了 InnoDB 全文索引对中文不友好这一层限制。但绕开之后还有第二层问题：插件自己也要分词，而它们的分词器默认都是按”空白字符 + 标点”切的。中文没有空格，一句”如何配置 Nginx 缓存”在默认情况下可能被切成两个 token：如何配置 和 Nginx 和 缓存（按标点/空格切）。如果用户搜”配置缓存”，就可能匹配不上。

这一点必须提前认清：装了搜索插件不等于中文搜索就好了。实测下来，中文场景下常见的三种可行做法是：

1. 接受按标点粗切，靠”模糊匹配 + 权重”弥补（适合文章量小、词汇集中的站点）；
2. 在索引阶段用钩子对中文做二元切分（bigram），牺牲索引体积换召回率；
3. 上外部搜索引擎（Elasticsearch + IK 分词、Meilisearch），把搜索彻底外包（成本最高，效果最好）。

保姆级实操

第一步：安装并重建索引

Relevanssi 安装后必须先建索引，否则搜索没有变化：

1. 后台「Relevanssi → Indexing」；
2. Indexing options 里勾选要索引的内容：Posts、Pages、自定义文章类型、Comments、Custom fields（填字段名或选 all）、Taxonomies；
3. 点「Build the index」（或「Index all posts」），等待完成；
4. 文章量大时，索引构建可能超时，分批执行并在后台确认剩余数量。

之后新增/修改文章会自动增量索引，但批量导入数据后要手动重建一次。

第二步：配置权重与匹配方式

「Relevanssi → Searching」里的关键项：

• Default operator：AND（要求所有词都命中，结果更精准）或 OR（召回更多）；
• Fuzzy matching：允许部分匹配，中文场景下能显著提升召回，但也会带来噪声；
• 「Relevanssi → Weights」里调 Title weight（标题权重）、Content weight、Comment weight、Taxonomy weight。中文站点通常把标题权重调到 3–5 倍；
• Minimum word length：默认会忽略过短的词，中文单字/双字词很多，这一项要按实际情况放低，否则”云主机”这类两字词可能被忽略。

SearchWP 的对应配置在「Settings → SearchWP → Search Engines」：为每个引擎指定 Sources（文章类型、分类法、自定义字段），再用滑块调各属性的权重（Title、Content、Excerpt、Slug、Taxonomy、Comments），开启 Partial matches 与 Stemming。

第三步：用钩子干预结果排序

想让”产品”优先于”文章”出现在搜索结果里：

add_filter( 'relevanssi_hits_filter', function ( $hits ) {
    if ( empty( $hits[0] ) ) {
        return $hits;
    }
    usort( $hits[0], function ( $a, $b ) {
        $rank_a = 'product' === $a->post_type ? 0 : 1;
        $rank_b = 'product' === $b->post_type ? 0 : 1;
        if ( $rank_a === $rank_b ) {
            return 0;
        }
        return $rank_a < $rank_b ? -1 : 1;
    } );
    return $hits;
} );

把某些内容排除出索引（如落地页、隐私政策）：

add_filter( 'relevanssi_do_not_index', function ( $do_not_index, $post ) {
    if ( in_array( $post->post_type, array( 'landing_page', 'attachment' ), true ) ) {
        return true;
    }
    if ( has_term( 'internal', 'post_tag', $post ) ) {
        return true;
    }
    return $do_not_index;
}, 10, 2 );

第四步：验证索引是否真的覆盖了你关心的内容

# 前台搜索并观察耗时：先在后台关掉页面缓存，避免读到缓存结果
curl -s -o /dev/null -w "耗时 %{time_total}s\n" "https://mimangfei.com/?s=nginx%20%E7%BC%93%E5%AD%98"

同时确认自定义字段被索引：搜一个只出现在 ACF 字段里的词，能搜到才算生效。ACF 字段的索引前提是该字段已按 ACF 字段组与前台调用 的方式正确存储并被插件选中索引。

第五步：中文分词的落地取舍

如果插件的粗切分不能满足需求，按数据量分档处理：

• 1 万篇以内：开启模糊匹配 + 提高标题权重，通常够用；把”同义词”手工维护起来（同义词功能在 Relevanssi Premium 里提供，SearchWP 也有类似能力）；
• 1 万–10 万篇：考虑在索引阶段对中文做二元切分，索引体积会增大 2–3 倍，但召回率明显提升；
• 10 万篇以上 / 电商场景：上 Elasticsearch（配 IK 分词器）或 Meilisearch，由专门的搜索引擎承担，WordPress 只负责发查询请求。

常见踩坑

1. 建完索引没效果。 多半是主题自带搜索模板直接写了自己的 WP_Query，绕过了主查询。检查模板里有没有 new WP_Query( array( 's' => ... ) )，或是否用了 pre_get_posts 覆盖。
2. 自定义字段没被索引。 默认只索引正文，需要在插件设置里显式勾选字段名。
3. Minimum word length 把中文短词过滤掉了。 中文常用词多为两字，阈值设成 3 会直接废掉大批关键词。
4. 开启模糊匹配后噪声剧增。 搜”缓存”出来一堆”缓存里”以外的词，需要在权重里把标题命中调高，压低正文噪声。
5. 索引表膨胀拖慢备份。 索引表体积常常是 wp_posts 的 1–2 倍，备份时要么跳过索引表（恢复后重建索引），要么接受更大的备份文件。
6. 中文搜”微信小程序”搜不到写”WeChat 小程序”的文章。 这是词表问题，靠同义词维护解决，插件不会自动知道。
7. 案例： 某文档站 6000 篇文章，装上搜索插件后搜”伪静态”依然搜不出标题为”WordPress 伪静态设置”的文章。排查发现插件的 tokenizer 把整句中文当成一个 token，只有完整匹配整句才能命中。最后采取的折中方案是：在索引阶段对中文按二元切分（”伪静态”切成”伪静””静态”），索引体积从 90MB 涨到 260MB，但搜索召回率和准确率都大幅提升。教训：中文搜索的关键是分词，不是插件品牌；先想清楚分词策略，再决定用哪个插件，否则换插件解决不了问题。

总结

选型的三个判断点：预算（SearchWP 纯付费，Relevanssi 有免费版）、是否需要专业特性（SearchWP 的 Live Search、Metrics、PDF 索引；Relevanssi Premium 的同义词与 Did you mean）、以及最重要的中文分词策略（必须提前设计）。

落地顺序：先建索引并验证自定义字段被覆盖 → 调标题/正文权重与匹配方式 → 用 relevanssi_hits_filter 之类钩子微调排序 → 按数据量决定是否做二元切分或上外部搜索引擎。索引表要纳入备份策略的考虑范围，批量导入数据后记得重建索引。搜索结果的呈现（比如把产品排在前面）也可以配合 相关文章推荐方案 一起优化；而如果连默认搜索为什么慢都还不清楚，先补 中文搜索不好用的根因 这一课。