基于正倒排索引的文档搜索引擎测试报告

一、项目背景

该项目是一款针对JDK 8的API文档搜索引擎，聚焦于解决官方网站未对JDK 8提供搜索功能带来的不便，为用户带来轻量化、快速、便捷的搜索体验。使用该搜索引擎，可以快速定位符合用户预期的文档列表供用户选择。

项目的核心功能搜索功能实现：

**搜索词处理：**实现这一功能对用户搜索需求的精准判断是关键。为了从搜索词中提取出合适的关键词，项目使用了第三方分词库ansj来对搜索词进行分词，精准定位用户需求。
**倒排索引定位：**倒排索引根据 '关键词' 查找 '文档ID' ，以关键词为主体，记录每个词出现在哪些文档、词频，建立hash表。提取出关键词后，根据倒排索引可以查询到各个关键词都在那些文档中出现过，出现过几次。这些查询出的【文档ID+词频】汇总起来，再依据词频进行排序就是所有可能的目标文档列表。
**正排索引检索：**正排索引根据 '文档ID' 查找 '文档内容'。根据倒排索引的定位结果，按顺序根据文档ID查找文档内容，汇总起来就是我们需要的搜索结果列表（未处理、已权重排序）。倒排索引能够快速根据关键词查找到文档ID，而正排索引更适合遍历文档，查询关键词很慢。两者的配合+索引持久化保障了搜索引擎搜索效率。
**索引持久化：**建立索引需要对所有文档进行扫描，这一过程是极慢的，尤其是倒排索引（需要记录每个文档的所有关键词和词频）。好在JDK 8的文档是固定的，无需面对文档修改后重新更新索引的问题。只需提前扫描并建立索引，通过序列化和反序列化的方式，储存和提取索引即可。
**搜索结果优化：**主要优化方向有两个"权重算法优化"和"核心词高亮"。
- 权重算法优化：由单纯的词频总数，转换为不同位置出现具有不同的加权，如标题中出现会给其更高的权重（*10）
- 核心词高亮：查找并替换搜索结果的文本，为核心词加上html格式，前端再通过保留文本html格式+css渲染实现高亮。

为带给用户更好的体验，在项目设计上，参考了市面上的主流搜索引擎，如"百度"、"搜狗"等。从这些搜索引擎上，提取了非常有用且易于实现的几个功能。首先是"标题+简介+url"结构的搜索结果，能够帮助用户更好判断网页是否是自己要找的；其次是"核心词标红"，针对用户搜索词，会在搜索结果上对这些搜索词进行高亮处理。最后是搜索权重优先级设置，发现出现更多搜索词的搜索结果更容易出现在前列。

吸收了这些优点后，再添加一些小巧思功能（前端实现：回车快捷搜索，上下键焦点定位翻阅，回车配合焦点定位打开搜索结果），就完成了这个简约但不简单的搜索引擎。

二、测试范围

2.1 功能测试

**搜索功能：**用户输入搜索词，点击搜索按键或按回车键开始搜索。后端根据搜索词返回搜索结果。

**搜索结果展示功能：**搜索结果根据权重倒序排列，关键词会进行高亮处理，用户点击搜索结果可以跳转到对应的文档页面。

**快捷键操作功能：**用户全程使用键盘来完成搜索，使用/键聚焦搜索框，使用键盘输入搜索词，使用回车键进行搜索，使用 ↑ ↓ 控制选择文档，使用回车键打开选择的文档页面。

三、测试用例设计

四、测试流程

4.1 功能测试

环境：win 11，chrome浏览器最新版
执行方式：手工测试+自动化测试

4.1.1 实际执行部分测试用例的操作步骤/截图

（1）搜索功能

搜索词测试用例：

|--------|------|---------------------------------|------------------------|---------------|
| 测试用例序号 | 所属模块 | 测试目标 | 输入数据 | 预期结果 |
| 1 | 搜索模块 | 测试纯英文搜索词能否搜索成功，点击搜索方式 | 搜索词： arraylist | 搜索成功 |
| 2 | 搜索模块 | 测试带空格的英文搜索词能否搜索成功，点击搜索方式 | 搜索词： array list | 搜索成功 |
| 3 | 搜索模块 | 测试纯空格搜索词能否搜索成功，点击搜索方式 | 搜索词：空格 | 未通过校验，不进行搜索 |
| 4 | 搜索模块 | 测试中文搜索词能否搜索成功，点击搜索方式 | 搜索词：你好 | 搜索成功，搜不到内容 |
| 5 | 搜索模块 | 测试中英文混合搜索词能否搜索成功，点击搜索方式 | 搜索词： hello 世界 | 搜索成功 |
| 6 | 搜索模块 | 测试无实际意义单词搜索词能否搜索成功，回车搜索方式 | 搜索词： abcq wyp | 搜索成功无搜索结果 |
| 7 | 搜索模块 | 测试纯停用词搜索词能否搜索成功，回车搜索方式 | 搜索词： an or the | 搜索成功无搜索结果 |
| 8 | 搜索模块 | 测试包含停用词的搜索词能否搜索成功，回车搜索方式 | 搜索词： array an list | 搜索成功停用词不作为参考 |
| 9 | 搜索模块 | 测试纯符号搜索词能否搜索成功，回车搜索方式 | 搜索词： %^&%$ | 搜索成功无搜索结果 |
| 10 | 搜索模块 | 测试过长字段搜索词能否搜索成功，回车搜索方式 | 搜索词：略（400字符） | 搜索成功 |
| 11 | 搜索模块 | 测试极短字段能否搜索成功，回车搜索方式 | 搜索词： y | 搜索成功无搜索结果 |
| 12 | 搜索模块 | 搜索HTML格式，测试HTML标签是否被完全清洗，回车搜索方式 | 搜索词： <body> <html> | 搜索成功无搜索结果 |
| 13 | 搜索模块 | 测试纯大写方式和小写方式搜索结果是否一样 | 搜索词： ARRAYLIST | 搜索成功结果一致 |
| 14 | 搜索模块 | 测试大小写混合方式和小写方式搜索结果是否一样，回车搜索方式 | 搜索词： ArrayList | 搜索成功结果一致 |
| 15 | 搜索模块 | 测试数字是否被识别为搜索词。 | 搜索词： 1 3 5 7 9 | 搜索成功数字作为搜索词 |

**测试用例1：**测试纯英文搜索词能否搜索成功，点击搜索方式

第一次搜索失败，服务器拒绝连接，页面显示报错信息。

可能原因：搜索引擎对内存资源需求较大，低配服务器同时运行多个项目导致内存资源不足，服务器拒绝服务

修复方法：重启服务器，仅运行搜索引擎

第二次搜索成功

**测试用例5：**测试中英文混合搜索词能否搜索成功，点击搜索方式

搜索成功，但部分搜索结果简介部分没有截取成功

**原因：**后端在查找并添加高亮时忽略没有被空格包裹的单词，导致匹配失败，返回了一个空串。

点开文档页面，确有"hello"字段

**测试用例8：**测试包含停用词的搜索词能否搜索成功，回车搜索方式

发现an未被高亮处理，测试通过

**测试用例10：**测试过长字段搜索词能否搜索成功，回车搜索方式

搜索失败

**测试用例12：**搜索HTML格式，测试HTML标签是否被完全清洗，回车搜索方式

测试通过，HTML标签已被清洗

**测试用例13：**测试纯大写方式和小写方式搜索结果是否一样

测试通过

**测试用例15：**测试数字是否被识别为搜索词。

测试通过

（2）搜索结果展示功能

|--------|----------|-----------------|------------------------------|------|
| 测试用例序号 | 所属模块 | 测试目标 | 操作流程 | 预期结果 |
| 1 | 搜索结果列表模块 | 测试搜索结果列表是否被展示 | 1. 搜索array list | 正确展示 |
| 2 | 搜索结果列表模块 | 测试核心词是否被高亮 | 1. 搜索 array 2. 观察搜索结果列表 | |
| 3 | 搜索结果列表模块 | 测试多个核心词是否都被高亮 | 1. 搜索 array list 2. 观察搜索结果列表 | |
| 4 | 搜索结果列表模块 | 测试权重排序是否正确 | 1. 搜索 list 2. 比较第一篇和第二篇文档权重 | |
| 5 | 搜索结果列表模块 | 测试权重排序是否正确 | 1. 搜索 list 2. 比较第一篇和第十篇文档权重 | |
| 6 | 搜索结果列表模块 | 测试无搜索结果时，是否显示提示 | 1. 搜索 abcq wyp | |
| 7 | 搜索结果列表模块 | 测试搜索失败时，是否显示提示 | 1. 搜索过长字段 | |

**测试用例3：**测试多个核心词是否都被高亮

测试通过

**测试用例4：**测试权重排序是否正确

测试通过

**测试用例6：**测试无搜索结果时，是否显示提示

测试通过

（3）快捷键控制功能

测试步骤：

单机 / 键聚焦搜索框
使用键盘输入搜索词"array"
单击回车键进行搜索
使用 ↑ ↓ 控制选择文档
使用回车键打开选择的文档页面。

测试结果：

测试通过

过程图片：

4.1.2 自动化测试

自动化测试源码链接：https://gitee.com/wdhu/document-search-engine.git

覆盖功能：页面完整性、搜索功能

五、风险点

系统资源风险，搜索引擎对内存需求较高，低配服务器多项目并行时易出现内存溢出、服务拒绝连接（HTTP 500），如测试中首次搜索失败即因内存不足。
1. 影响：服务稳定性差，并发访问或大数据量搜索时易崩溃，影响用户使用。
2. 风险等级：高
3. 应对措施：
  - 上线前单独部署搜索引擎服务，避免（或减少）与其他项目共享资源。
  - 优化代码内存占用，对索引加载、搜索结果缓存做内存限制。
  - 服务器配置升级
边界值风险，搜索输入过长搜索词会触发HTTP 500 服务器错误，前端未对过长搜索词进行校验。
1. 影响：过长搜索词报错，且未有专门提示，用户体验差。
2. 风险等级：中
3. 应对措施：
  - 添加过长搜索提示
  - 前端进行校验
数据风险，项目依赖倒排索引 + 正排索引联合检索，索引建立依赖全文档扫描，若索引序列化反序列化异常，或文档更新（虽 JDK8 文档固定）易导致索引失效、搜索结果缺失。
1. 影响：索引损坏时搜索功能完全不可用，且重建索引耗时较长。
2. 风险等级：中
3. 应对措施：
  - 增加校验机制，确认数据可用
  - 关注官方更新
兼容性风险，快捷键依赖浏览器事件监听，不同浏览器（如 IE、旧版 Chrome）可能存在兼容性问题
1. 影响：失效可能影响用户体验
2. 风险等级：低
3. 应对措施：
  - 兼容更多环境
  - 优化监听逻辑

六、测试总结

本次测试针对JDK 8 API 文档搜索引擎，覆盖搜索功能、搜索列表展示、快捷键操作等功能，通过手工测试 + 自动化测试，验证系统核心能力及边界兼容性，整体核心功能达标，存在中高风险点需优化。

功能测试共设计23个测试用例，未通过测试用例3个，总体通过率约为87%。

测试出的问题：

项目稳定性不足，内存依赖高，影响可用性。
超长搜索词触发 HTTP 500；
中英文混合搜索部分结果简介截取失败，高亮匹配逻辑需完善，兼容特殊格式关键词。

通过的测试：

搜索功能：纯英文、带空格英文、中英文混合、大小写混合、数字搜索均正常；HTML 标签自动清洗、停用词过滤、大小写不敏感兼容均符合预期；无意义词、纯符号搜索返回无结果提示，逻辑正常。
搜索结果展示功能：权重排序正常（词频 + 位置加权，标题权重更高）；核心词高亮生效，多关键词组合高亮正常；无结果、搜索失败页面提示清晰；结果按 "标题 + 简介 + URL" 展示，符合主流搜索引擎体验。
快捷键控制功能：/ 键聚焦搜索框、回车搜索、上下键选择结果、回车打开链接全流程正常；操作反馈清晰，提示文案易懂。

综上所述，项目整体可用，但仍有不小问题待优化。