Ми реалізуємо розробку пошуку з автодоповненням у мобільному додатку під ключ: архітектура запитів, дебаунс, скасування застарілих запитів, кешування підказок, історія та підсвітка збігів. Завдання вирішується на Swift, Kotlin, Dart та React Native. З нашої практики: в одному проєкті перехід на автодоповнення знизив час до першого результату з 2,1 секунди до 0,4 секунди — конверсія з пошуку зросла на 18%.
Два головних блоки болю — race condition і перекриття клавіатурою. Race condition: відповідь на застарілий запит приходить пізніше нового і перезаписує список підказок. Рішення — flatMapLatest (Android) або switchToLatest() (iOS): при новому символі попередній запит скасовується автоматично. Клавіатура перекриває підказки, якщо нижній anchor списку привʼязаний до екрана, а не до клавіатури. Ми виправляємо це через KeyboardAvoiding (RN) або WindowInsetsCompat (Android), до написання коду обговорюючи цю деталь з дизайнером.
Розробка такого пошуку охоплює кілька технічних етапів: вибір архітектури, дебаунс, кеш, історія та підсвітка збігів. Нижче — конкретна механіка кожного з прикладами коду.
Як обрати підхід: клієнтський чи серверний пошук?
Вибір архітектури пошуку визначає термін розробки та поведінку в офлайні. Три робочі варіанти:
| Підхід | Коли використовувати | Стек | Час відповіді |
|---|---|---|---|
| Клієнтський | Датасет до 5 000 записів | fuse.js (RN), fuse_dart (Flutter), Room FTS4 (Android) | <50 мс |
| Серверний | Великий каталог, персоналізація | REST/GraphQL + debounce | 100–400 мс |
| Комбінований | eCommerce, маркетплейс | Офлайн-кеш + API fallback | <100 мс |
Клієнтський пошук через fuse.js швидший за серверний при невеликих датасетах і не потребує підключення до мережі. Комбінований підхід ефективніший для eCommerce: миттєва відповідь з локального кешу, актуалізація через API у фоні.
Дебаунс і скасування застарілих запитів
Без дебаунса пошук надсилає запит на кожен натиснутий символ. При швидкості набору 3–5 символів на секунду — це 3–5 зайвих мережевих звернень. Відповіді приходять вроздріб, список підказок миготить. Debounce 300 мс прибирає проблему: запит йде тільки після паузи в наборі.
// iOS: debounce через Combine @Published var query = "" cancellable = $query .debounce(for: .milliseconds(300), scheduler: RunLoop.main) .removeDuplicates() .flatMap { [weak self] q in self?.fetchSuggestions(q) ?? Empty().eraseToAnyPublisher() } .sink { [weak self] in self?.suggestions = $0 } // Android: debounce через Flow + coroutines searchFlow .debounce(300) .distinctUntilChanged() .flatMapLatest { query -> suggestionsUseCase(query) } .collect { suggestions = it } flatMapLatest на Android та аналог на iOS скасовують застарілий запит автоматично при кожному новому введенні, без ручного керування токенами скасування.
Кешування підказок пошуку
Результати популярних запитів кешуються на пристрої. Ми використовуємо LRU-кеш на 100–200 записів: при повторному введенні відповідь приходить миттєво з пам'яті, без звернення до API. Економія трафіку — від 40 до 70% для додатків з повторюваними запитами.
Приклад LRU-кеша для підказок на Kotlin
private val cache = object : LinkedHashMap<String, List<String>>(200, 0.75f, true) { override fun removeEldestEntry(eldest: Map.Entry<String, List<String>>) = size > 200 } fun getSuggestions(query: String): List<String>? = cache[query.lowercase()] fun putSuggestions(query: String, results: List<String>) { cache[query.lowercase()] = results } Для офлайн-доступу розширюємо кеш до Room FTS4 на Android або CoreData на iOS — користувач отримує підказки навіть без мережі.
Історія пошуку
Зберігаємо останні 10–15 запитів у локальному сховищі. Показуємо з іконкою годинника вище підказок API, дедуплікуємо за текстом. Кнопка очищення історії обов'язкова: користувачі очікують її наявності.
| Платформа | Сховище | Ліміт |
|---|---|---|
| iOS | UserDefaults | 15 записів |
| Android | DataStore / SharedPreferences | 15 записів |
| React Native | AsyncStorage | 10 записів |
| Flutter | shared_preferences | 15 записів |
При виборі підказки з історії зберігаємо запит повторно для оновлення порядку, потім запускаємо повний пошук за вибраним текстом.
Підсвітка збігів у результатах
Розбиваємо текст підказки на частини: співпадаючий фрагмент виділяємо кольором. На Android — SpannableString з ForegroundColorSpan, на iOS — NSAttributedString, у Flutter — RichText з TextSpan. Підсвітка нечутлива до регістру і враховує кілька входжень в одному рядку.
// iOS: підсвітка збігів через NSAttributedString func highlight(_ text: String, query: String) -> NSAttributedString { let attr = NSMutableAttributedString(string: text) var searchRange = text.startIndex..<text.endIndex while let range = text.range(of: query, options: .caseInsensitive, range: searchRange) { attr.addAttribute(.foregroundColor, value: UIColor.systemBlue, range: NSRange(range, in: text)) searchRange = range.upperBound..<text.endIndex } return attr } Важно обробляти порожній рядок запиту: при порожньому полі підказки не показуються або показується історія.
Що входить у розробку пошуку?
Ми виконуємо повний цикл робіт під ключ:
- Архітектурний аналіз: вибір підходу (клієнтський, серверний, комбінований)
- Реалізація дебаунс-логіки та скасування запитів
- Кешування підказок пошуку: LRU in-memory та персистентний шар
- Історія пошуку з дедуплікацією та кнопкою очищення
- Підсвітка збігів на нативних компонентах
- Обробка edge cases: порожній запит, офлайн, помилки API
- Тестування при повільному з'єднанні та без мережі
- Документація та передача вихідних кодів з прикладами використання
Оцінюємо проєкт безкоштовно — пишіть, розрахуємо вартість і терміни.
З нашої практики
Наш клієнт — маркетплейс будівельних матеріалів — скаржився на повільний пошук: 1,5–2 секунди відповіді при наборі кожного символу. Ми реалізували комбінований підхід: fuse.js по офлайн-кешу з 3 000 SKU плюс API для нестандартних запитів. Підсумок: середній час відповіді 60 мс, відмови від пошуку знизилися на 34%, число завершених замовлень зросло.
В іншому проєкті — медичний додаток на iOS та Android — додали історію пошуку та підсвітку збігів. Час до вибору препарату скоротився з 8 до 4 дотиків екрана.
Наш досвід — понад 50 реалізованих мобільних проєктів, 6 років у нативній та кроссплатформенній розробці. Гарантуємо дотримання термінів і якість коду.
Терміни та вартість
| Обсяг робіт | Термін |
|---|---|
| Базовий пошук: дебаунс + API + підказки | 2–3 дні |
| Розширений: історія + кеш + підсвітка | 3–4 дні |
| Повний пакет: офлайн FTS + RN/Flutter | 4–5 днів |
Вартість базового пакету — від 35 000 ₽, розширеного — від 55 000 ₽. Залиште заявку: розрахуємо вартість вашого проєкту індивідуально і оцінимо терміни за один робочий день.
Стандартний компонент Apple UISearchController покриває базовий пошук, але кастомне автодоповнення дає контроль над алгоритмом ранжування, офлайн-режимом та дизайном підказок.