信息图:一次核对的记录卡样式,包含地址、判据与结论三栏
阅读口径

本文只讨论输入层面的差异,不提供任何网址、入口或资源,也不评价任何具体站点。

归一化做了什么,没做什么

搜索引擎收到查询后,第一步通常是归一化:全角字母转半角、统一大小写、压缩多余空格。这一步能消掉大部分「看起来不一样」的差别,但处理不了断词位置,也管不了词序。相关背景可参见搜索词结构:词序、写法与联想词栏目;写作边界的完整说明见四条写作边界:本站怎么处理这个词。

空格决定断词位置

中文与拉丁字母混排时,空格是一个明确的分隔信号。写成「海角官网yandex」,引擎多半把拉丁串整体切出来,与前面的中文分开;写成「海角官网 yandex」,断点位置可能前移或后移一格,切出的词也就不一样。这一层发生在归一化之前,怎么打就怎么收,中间没有纠正环节。所以真正的变量是空格,而不是全半角。

大小写影响很小,补全影响很大

大小写基本在归一化阶段被抹平,实测差异有限,不必在这上面花时间。真正会改变结果的是输入框的补全列表:你敲到第三个字,它已经给出一串候选,而候选的排序会影响你最终按下的那一条。很多时候你以为自己在提问,其实是在别人的候选里挑了一句。想看清这一点,最直接的办法是关掉联想,手动把整句打完。

六种写法怎么比

固定设备、引擎与时段,把六种写法各输一次:全角字母、半角字母、中间加空格、完全连写、首字母大写、全部小写。一次只改一个变量,先只改空格,再只改全半角,最后改大小写。每改一次,记下结果条数与前三条结果的类型;某一组条数明显偏离其它组,说明这个改动真的影响了分词。

比较清单

  1. 01关掉联想词,手动输入完整查询,不让候选替你造句。
  2. 02先固定空格,再动全半角,最后才试大小写,顺序不要跳。
  3. 03记录条数与前三条类型,不写「准不准」这类评语。
  4. 04注明比较时间,不拿相隔几天的结果互相比。

四个常见误解

  • 「全角一定搜不到」:多数情况会被归一化,结论过强。
  • 「加空格更准确」:不一定,要看引擎怎么切这一段。
  • 「大小写能改变结果」:通常不能,别在这上面耗时间。
  • 「结果不同就是写法问题」:也可能是收录与排序在变。

常见问题

既然会被归一化,还有必要注意写法吗

有必要,但重点不在全半角。值得留意的是空格、词序与补全——这三处都发生在归一化之前,而且完全由输入环节决定。把这三处固定下来,你的查询才具有可比性;否则每次结果不同,你都不知道该归因于哪一步。

手机和电脑的输入法会不一样吗

会。手机输入法更容易自动补空格、自动联想,甚至自动把英文转成大写;电脑则更容易出现全角标点与全角字母。做对比时尽量在同一台设备上完成,跨设备比较得到的差异,多半来自输入法而不是引擎。

这个实验的用处

它不能帮你找到「更真的页面」,但能让你看清「引擎收到的到底是什么」。看清之后,你会少很多「怎么搜都不对」的挫败感,也更容易判断问题出在输入还是在结果。下一步才是换引擎对照,而不是继续在同一个词上换写法。