MongoDB集合查询如何实现搜索词的精确单词匹配

你当前的查询没有做整词边界限制，只要title字段任意位置出现连续的iot字符就会命中，因此会把Probiotics、Agricultural Biotechnology这类长单词内部包含的iot子串也匹配出来，属于正则模糊匹配的典型子串误命中问题。

根据集合数据量和业务场景，可以选择以下两种实现方式：

方案1：正则单词边界匹配（适合小集合、无需建索引的场景） #

使用正则的单词边界元字符\b，限制iot必须作为独立单词出现，同时增加大小写不敏感匹配参数，兼容IoT这类大小写不一致的写法。
注意动态拼接正则前必须转义搜索词中的正则特殊字符，避免查询异常或注入风险。
修正后的代码如下：

const q = 'iot';
// 转义正则特殊字符
const escapeRegExp = (str) => str.replace(/[.*+?^${}()|[\]\\]/g, '\\$&');
// 构造整词匹配正则，i参数表示大小写不敏感
const matchRegex = new RegExp(`\\b${escapeRegExp(q)}\\b`, 'i');

Reports.find({"title" : {$regex : matchRegex}}, {title:1}, (err, data) => {
  if(err) return res.status(500).send(err);
  return res.status(200).send({data});
});

该写法下，长单词内部的iot子串因为前后都是英文字母（单词字符），不存在单词边界，不会被匹配；独立出现的IoT前后为空格、标点或字符串首尾，符合边界规则，会被正常命中。

方案2：MongoDB文本索引搜索（适合生产环境、大数据量场景） #

正则匹配本质是全表扫描，集合数据量大的时候性能很差。如果是生产环境使用，建议给title字段建文本索引，MongoDB的文本搜索原生支持整词匹配，不会出现子串误命中问题，查询性能远高于正则扫描。

1. 先给title字段创建文本索引：

// Mongoose模型中定义索引
Reports.schema.index({ title: "text" });

// 若直接在Mongo Shell中操作，执行以下命令
// db.reports.createIndex({title: "text"})

2. 使用$text操作符做整词搜索：

const q = 'iot';
Reports.find(
  { $text: { $search: q } },
  { title: 1, score: { $meta: "textScore" } },
  (err, data) => {
    if(err) return res.status(500).send(err);
    return res.status(200).send({data});
  }
);

文本搜索默认大小写不敏感，且自带分词逻辑，对多关键词搜索的支持也更好。

• 你给出的示例结果中存在字段拼写错误：titie为title的笔误，实际编写代码时注意字段名拼写正确，否则会出现查询异常。
• 如果业务中搜索词可能包含下划线、非英文字符，\b的边界判断可能不符合预期，可以将正则替换为(^|[^a-zA-Z0-9])${escapeRegExp(q)}([^a-zA-Z0-9]|$)自定义边界规则。

内容的提问来源于stack exchange，提问作者Vaibhao Falode