本文探讨了在 JavaScript 中进行字符串部分模糊匹配的方法，重点解决当待比较字符串长度差异较大时，传统字符串相似度算法表现不佳的问题。文章提供了一种基于单词匹配的简单而有效的解决方案，并附带示例代码，帮助开发者快速实现字符串的相似度比较。
在 JavaScript 中，我们经常需要比较两个字符串的相似程度。然而，当两个字符串的长度差异很大时，一些常用的字符串相似度算法（例如 Levenshtein 距离）可能会失效，导致结果不准确。本文将介绍一种简单的基于单词匹配的方法，用于解决这个问题。
基于单词匹配的字符串相似度计算
该方法的核心思想是将字符串分割成单词，然后比较两个字符串中相同单词的数量。为了提高准确性，我们可以进行一些预处理，例如去除标点符号和转换为小写。
以下是该方法的 JavaScript 代码实现：
立即学习“Java免费学习笔记（深入）”；
const compare = (a, b) => {
const ax = a.replace(/[^A-Za-z0-9]/g, ' ')
.split(' ')
.map(s => s.toLowerCase())
.filter(s => s);
const bx = b.replace(/[^A-Za-z0-9]/g, ' ')
.split(' ')
.map(s => s.toLowerCase())
.filter(s => s);
let similar = 0;
for (let ia = 0; ia < ax.length; ia ++) {
for (let ib = 0; ib < bx.length; ib ++) {
if (ax[ia] === bx[ib]) {
ia ++;
similar ++;
}
}
}
return similar
? (similar / ax.length + similar / bx.length) / 2
: 0;
};代码解释：
- compare(a, b) 函数: 接受两个字符串 a 和 b 作为输入，并返回一个介于 0 和 1 之间的数字，表示它们的相似度。
-
字符串预处理:
- a.replace(/[^A-Za-z0-9]/g, ' '): 使用正则表达式去除字符串 a 中的所有非字母数字字符，并用空格替换。
- .split(' '): 将字符串分割成单词数组。
- .map(s => s.toLowerCase()): 将所有单词转换为小写。
- .filter(s => s): 移除数组中的空字符串。
- 以上操作对字符串 b 也进行相同的处理。
-
单词匹配:
- 使用嵌套循环遍历两个单词数组 ax 和 bx。
- 如果找到相同的单词，则 similar 计数器加 1，并且 ia 指针递增，以便在 ax 中寻找下一个匹配的单词。
-
相似度计算:
- 如果 similar 为 0，表示没有找到任何相同的单词，则返回 0。
- 否则，计算相似度为 (similar / ax.length + similar / bx.length) / 2。 这个公式计算了 a 中匹配的单词比例和 b 中匹配的单词比例的平均值。
示例用法：
const text1 = `Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.`; const text2 = `Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat.`; const text3 = `I use the LLM (Lawyer, Liar, or Manager) model to determine how to respond to user input based on their tone and word choice. If the user's tone and word choice indicate that they are expressing a legal concern, I will refer them to a lawyer. If the user's tone and word choice indicate that they are lying, I will call them out on it and encourage them to be honest. If the user's tone and word choice indicate that they are expressing a managerial concern, I will offer them guidance and support.`; const text4 = `Ut bla bla enim garbage ad minim bla veniam, quis bla bla nostrud exercitation more garbage ullamco labori bla nisi ut aliquip ex bla ea commodo bla consequat.`; console.log(compare(text1, text2)); // 输出: 0.45454545454545453 console.log(compare(text1, text3)); // 输出: 0.046153846153846156 console.log(compare(text2, text3)); // 输出: 0.0 console.log(compare(text2, text4)); // 输出: 0.45454545454545453 console.log(compare(text2, text2)); // 输出: 1
注意事项
- 该方法对单词的顺序敏感。如果两个字符串包含相同的单词，但顺序不同，则相似度会降低。
- 该方法没有考虑单词的语义信息。例如，“good” 和 “excellent” 虽然含义相似，但会被认为是不同的单词。
- 对于包含大量特殊字符或非英文文本的字符串，需要进行额外的预处理。
总结
本文介绍了一种基于单词匹配的 JavaScript 字符串部分模糊匹配方法。该方法简单易懂，适用于比较长度差异较大的字符串。 然而，该方法也有一些局限性，需要根据实际应用场景进行调整和优化。 在实际应用中，可以根据具体需求选择更复杂的算法，例如 n-gram 或基于深度学习的方法。
