布尔检索是一种基于精确关键词匹配，并使用 AND、OR 和 NOT 等逻辑运算符来搜索文档的基础方法。其核心在于倒排索引——一种将文档集合中每个唯一术语映射到包含该术语的文档列表的数据结构。当用户提交布尔查询时，系统会检索每个术语的文档列表，并应用指定的运算符将它们合并。例如，“apple AND orange”这样的查询将返回同时包含这两个术语的文档，而“apple OR orange”将返回包含任一术语的文档。这种方法优先考虑精确性而非相关性，因为它不对结果按重要性进行排序，而是简单地根据严格的条件过滤文档。
为了实现布尔检索，开发人员首先构建一个倒排索引。假设我们有三个文档：Doc1（“苹果和橘子”）、Doc2（“苹果和香蕉”）和 Doc3（“橘子和柠檬”）。倒排索引会将“苹果”列在 Doc1 和 Doc2 下，“橘子”列在 Doc1 和 Doc3 下，依此类推。处理像“苹果 AND 橘子”这样的查询时，系统会获取这两个术语的文档列表并计算它们的交集（Doc1）。对于“苹果 OR 橘子”，它会合并这些列表（Doc1、Doc2、Doc3）。NOT 运算符用于排除文档：“苹果 NOT 香蕉”将通过从“苹果”列表中减去 Doc2 来返回 Doc1。这些操作是高效的，因为它们依赖于对预计算列表应用的集合操作（例如，并集、交集），这使得布尔检索即使对于大型数据集也非常快速。
布尔检索在需要精确控制结果的场景中最为有效，例如法律文档搜索或学术文献数据库。然而，其局限性也很明显。它无法处理部分匹配、拼写错误或语义关系（例如，“car” vs. “vehicle”）。例如，查询“car AND engine”会遗漏一篇提到“automobile and motor”的文档，尽管该文档是相关的。现代搜索系统通常将布尔逻辑与排序算法（例如 TF-IDF、神经网络）结合使用，以弥补这些不足。尽管如此，布尔检索在要求精确性的应用中仍然有用，并且其简单性使其成为开发人员构建自定义搜索工具或分析具有严格过滤要求的结构化数据的实用起点。