用户打拼音、打错字、少打一个字：目录站站内搜索的容错该做到哪一步

把搜索引擎那套思路搬进站内搜索，第一步就错了。搜索引擎的查询词是别人想好了打出来的，搜不到会换词再搜一遍；站内搜索面对的是已经在你站上的人，页面摆在那儿他没点，转头去搜，说明导航已经失败一次了。再让他搜不到，人就走了。

图片来源：网络，版权归原作者所有，侵权请联系删除

先分清三类「没搜到」

用户输错的样子就那么几种，处理方式完全不同，混在一起做必然乱：

类型	典型输入	处理方式
拼音	zhihu、bilbili	映射到候选站名
错字与多音字	站名里换了一个字	编辑距离 + 同义词表
半截词与别称	只打了品牌前两个字	前缀匹配 + 别名表

还有第四种，严格说不是输错：用户搜的东西你站上根本没有。这类只能靠零结果页兜底，容错帮不上忙，别指望用模糊匹配去凑一个不相干的结果出来。

拼音：两种做法，代价不一样

最省事的是给条目加一个拼音字段。收录的时候顺手生成全拼和首字母两项，存进表里，搜索时把输入同时拿去匹配站名字段和拼音字段。好处是结果可控，坏处是老条目要补一遍数据，而且多音字和生僻字会漏。

另一种是在查询侧做转换，把输入转成拼音再去比。省掉了数据补录，但中文和拼音混着输的时候容易出鬼结果，比如搜「设计 素材」会被拆得乱七八糟。

对几千条量级的目录站，第一种更划算。拼音字段是死的，改一次用很久，而且它还能顺带解决排序问题——全拼完全命中的排在前面，首字母命中的往后放。

错字容错别贪心

编辑距离是最常用的办法，也就是算两个词差几个字符。但它有两个坑。一是阈值松了会串味：改一个字能容忍，改两个字的「知乎」和「微博」也能互相命中，用户看到一堆不相关的结果，比看到零结果更懵。二是中文按字算距离，两个字站名改一个字就是 50% 的差异，跟英文的体验完全不同。

能靠同义词表解决的，不要靠算法硬算。站名的常见别称、简称、英文名是有限的，写进表里既准确又好维护。

容错和联想词是两回事

很多人把这两件事做在一起，结果联想词下拉里塞满了模糊匹配出来的怪东西。区别很简单：联想词是提示，容错是替换。联想词只在用户输入过程中出现，点不点由用户决定；容错是系统替用户改了查询词，改完要老老实实告诉他「显示的是某某的结果」，并且留一个「仍然搜索原词」的入口。

把这句提示写上，比把算法调准更重要。用户知道系统改了他的词，才会信任结果；不告诉他，他会以为你的站搜不准。

三处容易做过头的地方

• 把所有查询都走一遍模糊匹配——精确命中优先，模糊只在精确没有结果时兜底，别反过来。
• 容错结果不标注来源——改了词就要说，否则等于骗用户。
• 把容错结果也算进热搜榜——搜得多的词里混进一堆被纠正过的错误写法，榜单就废了。

做完要能验证

拿站内搜索日志里那些零结果的词，每个类别挑二十条，人工过一遍看容错后能不能出结果、出的对不对。这个数字比任何指标都实在：能救回来三成就算及格，救回来六成说明前面的分类和数据有问题，不是搜索的锅。