技术补充：YaCy 的搜索词处理机制
刚好看到有人问 YaCy 如何处理中文搜索，这里分享一些深入的技术细节：
🔍 搜索词是如何被处理的？
当你输入 太平年 历史剧 时，YaCy 内部经历了这样的处理流程：
1️⃣ 空格分词
YaCy 首先会按
空格将查询拆分成多个搜索项：
太平年 历史剧 → ["太平年", "历史剧"]
这两个词默认是 AND（与） 关系，即结果必须同时包含两者。
2️⃣ 短语查询封装
拆分后的每个词会被双引号包裹，变成
短语查询：
"太平年" AND "历史剧"
这意味着要求这几个字在文档中连续出现 。
🧩 底层 Solr 索引的秘密
YaCy 底层使用 Apache Solr 作为搜索引擎，它对中文有一个特点：
| 处理方式 | 说明 |
|---|
| **索引阶段** | "太平年历史剧" 被切分为：太、平、年、历、史、剧（按字切分） |
| **查询阶段** | "太平年" 被解析为对 太+平+年 的**短语搜索** |
| **匹配结果** | ✅ 能匹配 "...是一部太平年历史剧的巅峰..." 这样的连续文本 |
结论：Solr 层是按字符索引的，但通过短语查询保证了词义的连续性。
🌐 P2P 网络中的 WordHash
在分布式搜索（DHT）场景下，YaCy 使用了另一种机制：
- 哈希算法：MD5（前12字节，Base64编码）
- 分词方式：与 Solr 不同，连续的 CJK 字符会视为一个整体词
"太平年" → Hash A
"太平年历史剧" → Hash B（完全不同的值）
⚠️ 注意：在 DHT 模式下，搜索 "太平年" 无法匹配 只包含 "太平年历史剧" 的记录（除非文档中真的有独立的"太平年"这个词）。
💡 一句话总结
按空格分词，Solr 索引按字切分但用短语匹配保证连续性，WordHash 仅用于 P2P 分布式场景。
有在部署 YaCy 时遇到搜索相关问题的同学吗？欢迎交流经验！ 👇