Buscador: AND obligatorio en FULLTEXT, excluir paginas-indice K2 y soportar frase exacta entre comillas

Tres bugs corregidos (issue gitea.feadulta.com#178):
- OR implicito en Boolean Mode devolvia casi todo el sitio (~24.700/24.780 posts)
  para cualquier busqueda de varias palabras; ahora cada palabra es AND obligatorio (+).
- Paginas-indice residuales K2 (categorias 37/38, listados por autor) puntuaban
  altisimo en relevancia por su tamano y tapaban el articulo real; excluidas de
  resultados de busqueda.
- Palabras <3 caracteres forzadas como termino obligatorio rompian el calculo de
  relevancia (score 0 en filas que si coincidian); se descartan antes de construir
  la query.
- Anadido soporte real de frase exacta: termino entre comillas dobles se envia a
  MySQL Boolean Mode como frase, en vez de descartarse silenciosamente.
This commit is contained in:
2026-07-15 19:14:43 -04:00
parent f747ec30c7
commit 250466696b
2 changed files with 49 additions and 3 deletions
@@ -6,7 +6,7 @@
* relevancia FULLTEXT si no se pide otro criterio de orden. Degradación elegante:
* si no hay término o el índice FULLTEXT no existe, usa el comportamiento nativo.
* Convive con fea-search-advanced.php (filtros pre_get_posts de autor/cat/cita/fecha).
* Version: 1.1
* Version: 1.3
*/
if (!defined('ABSPATH')) exit;
@@ -38,16 +38,46 @@ function fea_ft_index_exists(): bool {
}
/**
* Calcula el término FULLTEXT en Boolean Mode (cada palabra con prefijo *).
* Calcula el término FULLTEXT en Boolean Mode.
*
* Caso normal (sin comillas): cada palabra requerida con prefijo + y sufijo *. El '+'
* fuerza AND entre palabras — sin él, Boolean Mode las une con OR implícito y cualquier
* post que contenga UNA sola palabra común (p.ej. "ser") entra en el resultado, lo que en
* la práctica devolvía casi todo el sitio (~24.700 de ~24.780 posts, bug #8 reportado en
* feedback: "Tu verdadero ser" devolvía cientos de artículos irrelevantes).
*
* Caso frase exacta (entrecomillado, ej. `"tu verdadero ser"`): Boolean Mode soporta
* nativamente búsqueda de frase entre comillas dobles (coincidencia de adyacencia, no
* solo de palabras sueltas). Reenviamos el contenido saneado tal cual entre comillas, sin
* partirlo en palabras con + ni *, para que el usuario que escribe entre comillas obtenga
* de verdad una búsqueda de cadena exacta.
*
* Devuelve '' si el término sanitizado queda vacío.
*/
function fea_ft_boolean_term(string $raw): string {
// Frase exacta: todo el término entre comillas dobles.
if (preg_match('/^"(.*)"$/us', $raw, $m)) {
$phrase = trim(substr(preg_replace('/[^\p{L}\p{N}\s\'\-]/u', '', $m[1]), 0, 200));
if ($phrase === '') return '';
return '"' . $phrase . '"';
}
$term = trim(substr(preg_replace('/[^\p{L}\p{N}\s\'\-]/u', '', $raw), 0, 200));
if ($term === '') return '';
global $wpdb;
$words = preg_split('/\s+/', $term);
return implode('* ', array_map(fn($w) => $wpdb->esc_like($w), $words)) . '*';
// Descartamos palabras por debajo de innodb_ft_min_token_size (3 en este servidor):
// MySQL las excluye del índice, y forzarlas igualmente como término obligatorio ('+')
// no aporta nada al filtrado (WP igual las ignora) pero SÍ rompe el cálculo de
// relevancia: si un término '+' no existe en el índice, MATCH()...AGAINST() en modo
// boolean puede devolver 0 aunque la fila cumpla el resto de términos, dejando el
// ORDER BY sin poder distinguir resultados relevantes de irrelevantes.
$words = array_values(array_filter($words, fn($w) => mb_strlen($w) >= 3));
if (empty($words)) return '';
return implode(' ', array_map(fn($w) => '+' . $wpdb->esc_like($w) . '*', $words));
}
/**