String.indexOf()仅适用于单关键词、大小写敏感、无空格分词的极简场景；复杂需求需正则或分词；倒排索引用HashMap可行但需小写归一化、过滤停用词；通配查询宜用TreeSet.tailSet优化；Lucene适合复杂搜索，轻量场景自研更优。
用 String.indexOf() 做基础关键词匹配够不够？
够，但仅限单关键词、大小写敏感、无空格分词的极简场景。比如用户输入 "error"，你想从日志行中快速判断是否包含——直接调用 line.indexOf("error") != -1 是最快路径。
但一旦出现以下情况，indexOf() 就开始漏匹配或误匹配：
- 用户搜
"http status"，实际文本是"HTTP Status: 500"（大小写 + 中间空格） - 用户搜
"log"，结果把"logging"和"catalog"全捞出来 - 需要同时匹配多个词，且要求它们“挨得近”（比如在 10 字内共现）
这时候就得上正则或预处理分词，而不是硬扛 indexOf()。
内存里存文档，用 HashMap<string list>></string> 建倒排索引行不行？
行，适合千条以内文档、单机运行、不追求实时更新的场景。核心思路是：对每篇文档做分词（比如按空白+标点切），把每个词映射到它出现过的文档 ID 列表。
立即学习“Java免费学习笔记（深入）”；
示例结构：
Map<String, List<Integer>> invertedIndex = new HashMap<>();
invertedIndex.put("java", Arrays.asList(1, 5, 8)); // 文档1/5/8含"java"
invertedIndex.put("search", Arrays.asList(2, 5)); // 文档2/5含"search"
注意几个易错点：
- 分词时别忘了小写归一化（
word.toLowerCase()），否则"Java"和"java"被当两个词 - 停用词（如
"the","a"）不入索引，否则索引膨胀且无检索价值 - 文档 ID 最好用
int而非String，省内存、查得快 - 如果要支持“短语查询”（如
"full text"），光靠这个结构不够，还得存每个词在文档内的位置列表
用户输入带通配符（如 "jav*"）怎么处理？
Java 标准库不直接支持前缀通配搜索，得自己扫倒排索引的 key 集合。别用 keySet().stream().filter(...)，一查就遍历全量，O(n) 太慢。
更实用的做法是：维护一个 TreeSet<string></string> 存所有词干（stemmed terms），然后用 tailSet(prefix) 快速拿到候选集：
TreeSet<String> terms = new TreeSet<>(Arrays.asList("java", "javascript", "jvm", "log"));
String prefix = "jav";
Set<String> candidates = terms.tailSet(prefix); // {"java", "javascript"}
再对每个候选词查倒排索引合并结果即可。注意 tailSet 返回的是视图，不复制数据，内存友好。
如果通配符在中间（如 "*test*"），就只能退回到正则匹配 keySet，这时建议限制词表大小或加缓存。
为什么不用 Lucene？什么情况下真该自己写？
因为 Lucene 是重型引擎：要建索引目录、管理 Directory、写 IndexWriter、开 QueryParser……对一个只有几十个文档、跑在嵌入式设备上的配置搜索工具来说，引入 Lucene 的 jar 包可能比逻辑代码还大。
自己写的边界其实很清晰：
- 文档总量 ≤ 10,000 条
- 查询 QPS
- 不需要高亮、打分排序、模糊拼写纠错
- 不涉及并发写入，或写入极少（比如启动时加载一次）
一旦开始需要布尔组合（"java AND (spring OR hibernate)"）、字段区分（title vs content）、或增量更新，就别硬撑了——那不是“简单搜索引擎”，是自建轮子陷阱。
