全文检索

基于 PostgreSQL tsvector + 应用层 jieba 分词，无需引入 Elasticsearch 即可获得中文全文检索能力。

索引与三级召回

索引：内容创建/更新时，对标题（权重 A）、SEO 关键词 + 摘要（权重 B）、正文 + searchable 扩展字段（权重 C）做 jieba 细粒度分词（cutForSearch），写入 cms_contents.search_vector（GIN 索引）。

查询按三级召回逐级放宽，直到有结果：

1. 精确 AND：关键词粗粒度分词 → plainto_tsquery 全 token 命中 → ts_rank_cd 相关度排序 + 发布时间倒序
2. 前缀 OR 近似：截断词/两侧切词不齐时（如搜「不动产权证书遗」查询侧切出单字「遗」而索引侧只有「遗失」），使用 token:* 前缀匹配按 OR 召回，ts_rank_cd 保证命中越多越靠前（仅应用层分词配置启用）
3. 标题 ILIKE 兜底：关键词 ≤ 32 字时整串模糊匹配标题（pg_trgm GIN 索引加速），兜住词典完全切不准的关键词

tsvector 解析器配置可用环境变量 CMS_TSVECTOR_CONFIG 切换（默认 simple = 应用层 jieba 预分词；设为 zhparser 等 PG 扩展配置时由 PostgreSQL 直接解析原文，跳过应用层分词与第 2 级召回）。

站点级词典与热词治理

• 词典按站点隔离：extension 扩展词加载至该站点独立的 Jieba 实例，stop 停用词在索引和查询分词阶段过滤；token 禁止空白与控制字符，加载按词隔离，单个坏词只记录告警而不会使整站词典失效
• 词典任意增删改后整体重建该站点分词实例（reloadCmsSearchDict），即时生效，无需重启进程
• 可管理热词使用规范化分组/词条表（cms_hotword_groups / cms_hotwords）保存排序和启停状态，真实热度仍来自 Redis ZSET；带时间范围查询时从搜索日志聚合
• 历史内容在词典变更后通过任务中心执行站点索引重建

检索管理页

「检索管理」（权限 cms:search:manage）三个 Tab：

• 检索测试：输入关键词查看分词结果与高亮命中，一键重建索引（任务中心 cms-search-reindex 异步，分批 200 条 + 断点续跑 + 进度）
• 自定义词典：jieba 用户词典（词 + 权重）与停用词，支持批量启停/删除；增删改即时热加载
• 搜索热词：前台每次搜索计入 Redis ZSET（cms:hotwords:{siteId}），支持排行查看与清空；另可维护热词分组与词条（排序、启停），沉淀规范化热词运营数据

死链检测在「SEO 管理 → 死链检测」Tab，见 SEO 与流量。

前台搜索页

/search?q=keyword：永远动态渲染（不静态化、不缓存），关键词截断 64 字符。

搜索结果由服务端生成 URL：站内内容使用栏目 detailPathRule/staticPath 解析后的规范路径，外链内容直接使用已校验的目标地址；标题和摘要高亮先做 HTML 转义再插入 <mark>，模板不应自行拼接链接或把原始 HTML 当作高亮结果。结果摘要取手填 summary，否则取 excerpt 生成列（正文纯文本前 400 字），再按命中词定位片段；结果页查询不读取 body。

公开搜索的内容条件为 published + 未回收 + 未归档 + 未过期，并要求主栏目自身及全部祖先栏目有效启用；栏目停用或其祖先停用后立即从搜索结果消失。搜索结果 URL 统一由服务端按 detailPathRule/staticPath 解析，模板不得自行拼接路径。

搜索分析

搜索相关的运营指标全部来自前台行为采集，不再单独记录搜索日志：结果页首屏上报一次 cms.search（关键词、结果数、cmsSearchId），翻页沿用同一 cmsSearchId，点击结果记 cms.search_click。因此：

• 搜索需求：搜索次数、独立搜索词、无结果次数与无结果独立词（全量去重，不受排行截断影响）
• 搜索效果：结果点击与搜索点击率；点击后的阅读与转化按「同访客同会话、点击后 30 分钟内」归因到命中的内容
• 无结果搜索词同时是内容选题信号，可在工作台一键转为编辑事项（来源=无结果搜索）

采集口径、指标定义与后台页面见行为采集与访问统计。Redis ZSET（cms:hotwords:{siteId}）仍用于「检索管理 → 搜索热词」的实时热度与热词运营清单。