mongodb原生text索引对中文支持极弱，因按空格标点分词而不识别中文词边界，导致“教程”等词常被忽略；可靠方案是启用collation={"locale":"zh"}（4.2+）或第三方分词预处理。
为什么 create_index 加了 text 参数却搜不到中文？
MongoDB 原生的 text 索引对中文支持极弱——它默认用空格和标点分词，不识别中文词边界，所以 {"title": "text"} 对字段 "Python教程" 实际只建了两个 token："Python" 和 "教程"（后者常被忽略），搜 "Python" 能命中，搜 "教程" 却大概率失败。
真正能用的方案只有两个：启用 collation 指定语言为 "zh"（仅限 4.2+），或改用第三方分词 + keyword / text 混合索引。前者简单但功能受限（不支持同义词、停用词）；后者灵活但需额外服务（如 Jieba + 应用层预处理）。
- 如果用
collation，必须在create_index时显式传入：db.collection.create_index({"title": "text"}, collation={"locale": "zh"}) - 注意：
collation不能和text索引的其他选项（如weights）共存，否则报错Cannot specify collation on a text index - 验证是否生效：插入含中文文档后，执行
db.collection.find({"$text": {"$search": "教程"}})，若返回结果才说明分词正确
text 索引为什么越建越慢，甚至卡住？
MongoDB 的 text 索引构建是阻塞式操作，且会扫描全集合、提取所有文本字段内容、生成倒排索引。集合越大，耗时越长，期间写入会被阻塞（除非加 background=True）。
更隐蔽的问题是内存：默认情况下，text 索引构建使用 sort buffer，若单文档文本过长（比如存了整篇 Markdown），或字段值重复率高（如大量 "暂无描述"），会导致内存暴涨甚至 OOM。
- 强制后台构建：
db.collection.create_index({"content": "text"}, background=True)，避免阻塞读写 - 限制索引字段范围：不要对
_id或二进制字段建text索引，MongoDB 会跳过但浪费扫描时间 - 提前清理脏数据：用
db.collection.countDocuments({"content": {"$type": "string", "$regex": "^\s*$"}})找出空/纯空白字段并删掉或设为null
如何让 $text 查询既快又准？
$text 查询本身不走普通 B-tree 优化路径，它依赖倒排索引，所以性能关键不在查询写法，而在索引结构和数据质量。
常见误区是以为加 limit(10) 就能提速——其实 MongoDB 必须先算出全部匹配项再截断，所以真正有效的是：缩小搜索空间 和 控制分词粒度。
- 组合过滤条件放前面：
db.collection.find({"status": "published", "$text": {"$search": "Python"}}, {"score": {"$meta": "textScore"}}).sort({"score": {"$meta": "textScore"}})——status字段如果有普通索引，就能先筛掉 90% 文档，再跑全文匹配 - 避免通配符搜索：
"$search": "Py*"会禁用索引，回退到全表扫描；用短语匹配代替：""Python 教程"" - 评分排序必须显式指定：
sort({"score": {"$meta": "textScore"}})，否则不保证相关性顺序，且score字段不会自动返回
要不要把 text 索引和普通字段索引合并？
可以，但要小心。MongoDB 允许在一个复合索引里混用 text 和普通字段（如 {"title": "text", "category": 1}），但规则很硬：text 字段必须是索引定义里的第一个字段，且整个索引最多只能有一个 text 字段。
这种设计看似省事，实则容易踩坑：一旦加了 category 这种等值过滤，MongoDB 仍需先遍历全部倒排索引项，再按 category 过滤——它没法像普通复合索引那样用前缀快速定位。
- 真正高效的做法是分开建：
{"title": "text"}+{"category": 1}，让查询计划器自主选择最优路径 - 如果业务强依赖“某类目下的全文搜索”，考虑用
array字段预存分词结果（如["python", "教程", "入门"]），再建{"keywords": "text"}，可控性强 - 别忘了重建索引后检查执行计划：
db.collection.explain("executionStats").find({"$text": {"$search": "Python"}})，确认stage是TEXT而不是COLLSCAN
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
