IndexedDB 本身不支持全文检索，需通过预处理文本、构建倒排索引（如 search_index objectStore）并结合内存聚合实现离线搜索；核心包括分词标准化、multiEntry 索引、关键词查询合并与权重排序。
IndexedDB 本身不提供内置的全文检索能力，要实现离线浏览器中的全文检索，需要结合文本分词、倒排索引和客户端搜索算法来构建轻量级搜索方案。核心思路是：在数据写入 IndexedDB 时预处理文本（如分词、标准化），建立自定义索引结构（如倒排索引表），再通过 IDBKeyRange 或游标遍历 + 内存匹配完成查询。
分词与索引预处理
IndexedDB 不支持 LIKE 或 MATCH 查询，因此必须在写入阶段为文本字段生成可检索的关键词映射。常见做法是使用简单空格分词或轻量级中文分词（如基于字典的正向最大匹配）。
- 对标题、正文等字段提取关键词（去除停用词、转小写、去标点）
- 将每个关键词映射到对应记录 ID，存入单独的 objectStore（如 search_index），结构类似：
{ keyword: "javascript", docId: 123, score: 1.5 } - 为提升查询效率，keyword 字段设为 index 的 keyPath，并添加 unique: false 的 multiEntry 索引
构建倒排索引 objectStore
创建一个专用 store 存储倒排条目，每条记录代表“一个词 → 多个文档 ID”的关系。避免把全部文本塞进主表，而是用关联方式解耦。
- 定义 store：
db.createObjectStore('search_index', { keyPath: 'keyword' }) - 添加复合索引：
store.createIndex('byDocId', ['docId', 'keyword'], { unique: false }) - 插入示例：
tx.objectStore('search_index').add({ keyword: 'indexeddb', docId: 456, weight: 2 })
执行多关键词查询
搜索时将用户输入分词，逐个 keyword 查询倒排索引，合并 docId 集合并按权重排序（如出现频次、字段位置加权）。
立即学习“Java免费学习笔记（深入）”；
- 用 IDBKeyRange.bound() 或 openCursor() 批量读取匹配关键词的索引项
- 内存中聚合 docId 并统计得分（例如：每个匹配关键词 +1 分，标题中出现再 +2）
- 最后用主表的 get() 或 getAll() 拉取原始记录（注意限制数量，避免阻塞）
优化与边界处理
离线场景下需兼顾性能、体积和兼容性。避免全量扫描，也别过度依赖复杂算法。
- 限制单次搜索关键词数（如最多 3 个），防止笛卡尔爆炸
- 对长文本做摘要索引（只索引前 200 字），减少存储膨胀
- 缓存常用查询结果（用 MemoryStorage 或 sessionStorage 临时保存最近 10 条）
- 降级处理：无匹配时返回模糊建议（如 Levenshtein 距离 ≤2 的相似词）
不复杂但容易忽略：全文检索的本质是空间换时间，IndexedDB 的优势在于持久化和容量，真正难点在于平衡索引粒度与查询响应。用好 multiEntry 索引 + 内存聚合，就能在纯前端跑出可用的离线搜索。
