网站站内搜索分词库扩展，提升中文搜索准确度

网站站内搜索经常出现中文搜不准的情况，例如搜“服务器运维”匹配不到“服务器 运维”分开的内容，这通常是因为分词库没有覆盖业务专有词汇。
本文面向零基础站长，以 Elasticsearch 搭配 IK 分词器为例，讲清如何扩展自定义词典，让中文搜索准确度明显提升；
其他引擎如 Meilisearch、Sphinx 的思路类似，可参考调整。

先判断你的搜索为什么不准

在动手扩展词典前，先确认瓶颈确实在分词。
打开搜索接口或后台日志，观察用户搜索词被切成了哪些词条。
Elasticsearch 可以通过 _analyze 接口查看：

curl -X POST "http://localhost:9200/_analyze" -H 'Content-Type: application/json' -d'
{
  "analyzer": "ik_max_word",
  "text": "云服务器运维监控"
}'

如果“云服务器”被拆成“云”“服务器”，或者业务词“运维监控”被拆散，说明词典缺失。
这一步是后续所有操作的基础，只有确认分词结果不符合预期，扩展词典才有意义。

准备自定义词典文件

IK 分词器支持两种扩展方式：ext_dict 用于自定义词，ext_stopwords 用于停用词。
建议在 Elasticsearch 配置目录下新建 custom 文件夹统一管理。

cd /etc/elasticsearch/ik/config
mkdir custom
vim custom/my_dict.dic

词典文件要求每行一个词，UTF-8 编码，不要有空行。
例如：

云服务器
运维监控
站内搜索
分词库

保存后确认文件权限与 Elasticsearch 运行用户一致，通常为 elasticsearch:elasticsearch。

修改 IK 配置并重建索引

编辑 IKAnalyzer.cfg.xml，把自定义词典路径填进去：

custom/my_dict.dic
custom/my_stopword.dic

改完后需要重启 Elasticsearch 使词典加载：

systemctl restart elasticsearch

重启后旧索引不会自动应用新词典，必须重建索引。
以索引名 articles 为例，先创建新索引并指定相同 mapping，再用 _reindex 迁移数据：

curl -X POST "http://localhost:9200/_reindex" -H 'Content-Type: application/json' -d'
{
  "source": { "index": "articles" },
  "dest": { "index": "articles_new" }
}'

迁移完成后用别名切换，避免停机。

容易忽略的三个坑

第一，词典文件路径写错或权限不足，IK 不会报错，但自定义词根本不生效，重启后务必用 _analyze 复查。
第二，只改词典不重建索引，线上搜索仍然按旧分词执行，表现为“配置改了却没效果”。
第三，停用词不要过度添加，把“的”“了”之外的高频业务词加进去，可能导致搜索结果大幅减少。

验证中文搜索准确度

用之前不准的搜索词重新测试，例如搜“云服务器运维”应能命中包含该短语的文章。
同时观察返回结果的相关性排序，确认目标内容排在前列。
建议在业务低峰期操作，并保留旧索引一段时间，确认无误后再删除。

分词库扩展不是一次性的工作，业务出现新词时，把词加入 my_dict.dic、重启并重建索引即可。
如果站点使用宝塔面板，可在软件商店的 Elasticsearch 管理页找到配置目录，操作路径与上面一致。

常见疑问

问：必须重启 Elasticsearch 吗？
答：IK 分词器的自定义词典在启动时加载，修改后需要重启进程才能生效；部分版本支持热更新，但以实际版本行为为准。

问：重建索引会不会影响线上搜索？
答：采用新索引加别名切换的方式可以做到几乎无感，操作前先备份数据更稳妥。

问：Meilisearch 也能这样扩展吗？
答：Meilisearch 通过同义词和自定义分词规则实现类似效果，思路相通，具体配置项请以其官方文档为准。