Chrome扩展开发：YouTube视频标题与本地歌词文件名匹配算法选型

一、先做统一文本预处理（核心前提） #

所有匹配问题的根源大多是字符、标点、格式差异，先把搜索词（YouTube标题）和文件名都标准化：

• 统一转小写，避免大小写干扰
• 移除所有标点符号（逗号、破折号、括号等），比如把"Baby, I love you"转成"baby i love you"，和无标点的文件名对齐
• 替换特殊拉丁字符：š→s、ć→c、č→c、ž→z，解决变音符号的拼写差异
• 切掉无意义后缀：比如搜索词里的" - Audio"、" (Official Lyrics)"，文件名里的.txt也要去掉
• 合并多个空格为单个，避免空格数量差异

用Chrome扩展常用的JS写个预处理函数：

function normalizeText(text) {
  // 转小写
  let normalized = text.toLowerCase();
  // 保留字母、数字、空格，去掉其余所有字符
  normalized = normalized.replace(/[^\w\s]/g, '');
  // 替换特殊变音字符
  const charMap = { 'š':'s', 'ć':'c', 'č':'c', 'ž':'z' };
  normalized = normalized.replace(/[šćčž]/g, match => charMap[match]);
  // 移除常见的无意义后缀
  const uselessSuffixes = ['audio', 'official audio', 'lyrics', 'official video', 'video'];
  uselessSuffixes.forEach(suffix => {
    normalized = normalized.replace(new RegExp(`\\s+-?\\s+${suffix}$`), '');
  });
  // 合并多空格并去首尾空格
  normalized = normalized.replace(/\s+/g, ' ').trim();
  return normalized;
}

二、用简化的匹配逻辑（精准优先，避开复杂算法） #

既然核心是文件名是搜索词的子串/近似子串，不用搞复杂的Levenshtein/Jaccard，按这个逻辑来：

1. 初始化扩展时，把所有歌词文件名预处理一遍存起来，不用每次重复处理
2. 拿到YouTube标题后先做预处理，得到标准化的搜索词
3. 遍历所有预处理后的文件名，按优先级匹配：
   • 第一优先级：文件名是搜索词的子串，或者搜索词是文件名的子串（比如搜索词是"miki jevremovic kancone"，文件名是"kancone"，直接命中）
   • 第二优先级：计算两者的共同单词比例，比如把文本拆成单词数组，交集单词数除以较短数组的长度，超过60%就算匹配（可以自己调阈值）

三、修复你遇到的错误案例 #

你的问题：搜索"Miki Jevremović - Kancone"时匹配到"Ako jednom vidis Mariju"
经过预处理后：

• 搜索词变成miki jevremovic kancone
• 错误匹配的文件名变成ako jednom vidis mariju
  这俩没有任何共同单词，用上面的子串+共同单词比例逻辑，会直接排除这个错误结果，优先找到包含kancone的文件名

四、额外小优化 #

• 加个歌手优先级：如果搜索词里能拆出歌手名（比如预处理后前几个单词），文件名包含歌手名的话，优先级再提一档
• 缓存预处理结果：初始化时处理所有文件名，存在内存里，后续匹配直接用，省性能

内容的提问来源于stack exchange，提问作者Milos Stojanovic