MongoDB原生$text索引不支持中文分词，因缺乏中文分词器；default_language:"chinese"仅影响基础语言感知，实际按单字切分；可行方案为Atlas Search或应用层预分词（如jieba），且需注意生成器转列表、加载词典、停用词过滤等细节。
MongoDB 原生的 $text 全文索引不支持中文分词，根本原因在于它默认只内置了西文语言处理逻辑（如空格切分、词干提取、停用词表），而中文没有天然词边界，必须依赖外部分词器。你不能靠改 default_language: "chinese" 就让原生索引“自动懂中文”——这个参数只是启用基础语言感知（比如大小写、重音），不是接入中文分词引擎。
为什么 createIndex({field: "text"}, {default_language: "chinese"}) 没用
这个配置看似合理，但实际效果非常有限：
-
default_language: "chinese"不会调用任何中文分词器，MongoDB 仍按单字切分（例如“自然语言” → ["自", "然", "语", "言"]），无法识别“自然语言”作为一个语义单元 - 它仅影响停用词和词干规则（而 MongoDB 内置中文停用词表几乎为空）
- 在 6.0+ 版本中，该参数对非拉丁语系文本基本不生效，官方文档已明确标注“limited support for non-Latin scripts”
真正可行的中文分词路径只有两条
必须跳出 $text 索引思维，选择以下其一：
-
Atlas Search（推荐）：仅限 MongoDB Atlas 托管服务，支持配置
ik或jieba分词器，通过 JSON 定义自定义分析器，可完整控制 tokenizer + tokenFilters -
应用层预分词（通用）：用 Python 的
jieba或 Java 的IKAnalyzer在写入前完成分词，把结果存为数组字段（如{"words": ["自然语言", "处理"]}），再对该字段建普通索引或使用$in查询
用 jieba 预分词时容易踩的坑
这是最常用也最容易出错的方式：
- 直接
jieba.cut(text)返回生成器，存进 MongoDB 会报TypeError: Object of type generator is not JSON serializable—— 必须显式转成 list：list(jieba.cut(text)) - 未加载用户词典导致专业术语切错（如“MongoDB”被切成“Mongo”+“DB”）—— 调用
jieba.load_userdict("dict.txt")提前注册 - 全模式（
cut_all=True）会产生大量冗余词元，显著增大文档体积和索引大小，生产环境应优先用精确模式 - 没做去停用词处理，导致
["的", "是", "一个"]这类高频虚词污染查询精度 —— 建议用jieba.lcut()+ 自定义停用词集合过滤
真正的难点不在“怎么配”，而在“谁负责分词时机”。MongoDB 本身不提供运行时中文分词能力，所有分词逻辑必须由应用代码承担或托管到 Atlas Search。忽略这点，强行在 $text 上折腾 default_language，只会浪费数小时调试时间。
