百科词条库与关联表设计

你的思路非常清晰，这正是构建大型百科/知识库系统最标准、最健壮的**“多对多（Many-to-Many）”**架构设计。通过引入独立的“词条表”和“关联表”，你不仅能够完美实现内链网络，还能保证极高的查询性能和易维护性。

下面为你梳理这套方案的数据库设计、核心匹配算法以及自动化工作流。

一、数据库表结构设计

1. 词条表 (`terms`)

存储所有被提炼出来的词条，以及它们本身的释义、状态。

CREATE TABLE `terms` (
  `id` INT AUTO_INCREMENT PRIMARY KEY,
  `name` VARCHAR(100) NOT NULL UNIQUE,          -- 词条名称（如：红茶，必须唯一）
  `description` TEXT NULL,                     -- AI生成的词条释义/摘要
  `status` TINYINT DEFAULT 0,                  -- 状态：0-草稿/未生成释义，1-已生效（可外链）
  `created_at` TIMESTAMP DEFAULT CURRENT_TIMESTAMP
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

2. 词条与内容关系表 (`term_relations`)

用于记录“哪篇文章包含了哪些词条”。

CREATE TABLE `term_relations` (
  `id` INT AUTO_INCREMENT PRIMARY KEY,
  `content_id` INT NOT NULL,                   -- 内容ID
  `term_id` INT NOT NULL,                      -- 词条ID
  `created_at` TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
  UNIQUE KEY `unique_content_term` (`content_id`, `term_id`), -- 联合唯一索引防止重复
  FOREIGN KEY (`content_id`) REFERENCES `contents`(`id`) ON DELETE CASCADE,
  FOREIGN KEY (`term_id`) REFERENCES `terms`(`id`) ON DELETE CASCADE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

二、核心难题：重叠词条（“冰红茶”与“红茶”）的匹配算法

如果在内容中直接用简单的 replace("红茶", "<a href...>")，会导致 冰红茶 被拆解为 冰<a href...>红茶</a>，这会导致 HTML 标签错乱，体验极差。

解决方案：最长匹配优先 + 占位符替换法

获取待匹配词条列表：
从 terms 表中取出所有 status = 1（已生效）的词条，按字符长度降序排序（例如：冰红茶（3字）排在 红茶（2字）前面）。
首次正则占位（不直接替换为 HTML）：
按照排序后的顺序遍历词条，使用正则表达式进行匹配。匹配成功后，先替换为一个唯一的占位符（如 {%TERM_ID_12%}），而不是 <a> 标签。这样在匹配短词 红茶 时，由于 冰红茶 已经变成了 冰{%TERM_ID_12%}，所以绝对不会发生二次冲突。
二次还原为链接：
遍历完所有词条后，将文本中的 {%TERM_ID_XX%} 统一还原替换为 <a href="/terms/XX">原词</a>。

三、自动化工作流（静态化渲染提升 SEO）

为了避免每次用户访问文章时都去用 CPU 做正则匹配，强烈建议采用**“静态预编译”**方案：

内容发布时：
- 用户发布或 AI 生成文章《如何泡好一杯冰红茶》。
- 系统后台触发异步任务：检索词条库中已激活（status=1）的词条。
- 运行上述“最长匹配优先算法”，计算出本文命中了哪些词条（如“冰红茶”、“茶具”）。
- 将关联记录写入 term_relations 表。
- 生成带 <a> 标签的 HTML 内容，存入文章表的 compiled_content（编译后内容）字段中，直接用于前端展示。
当新词条被激活/生成时：
- 例如，词条“红茶”以前是草稿（status=0），现在 AI 帮它生成了释义，状态变为了 status=1。
- 触发订阅事件：在 contents 表中进行模糊匹配，找出包含“红茶”字样的文章。
- 重新计算并更新这些文章的 term_relations 关联，并重新编译生成最新的 compiled_content。

通过这种“双表关联+静态编译”的模式，既保护了服务器的性能，又让搜索引擎爬虫能顺着静态的 <a> 标签完美抓取整站内链，SEO 效果直接拉满！

百科词条库与关联表设计

一、 数据库表结构设计

1. 词条表 (terms)

2. 词条与内容关系表 (term_relations)