如何解决Node.js string-similarity匹配结果偏离预期的问题

你遇到的问题根源在于字符串清理方式错误，以及对string-similarity包的匹配逻辑理解偏差：

问题分析 #

你把产品名称的所有空格、横线、数字都移除，得到了一长串无分隔的字符（比如处理后是blendermoulinettemoulinexavecbollblancgarantiean）。而string-similarity的findBestMatch是计算两个完整字符串的全局相似度（基于字符重叠比例），不是找目标字符串是否是原字符串的子串。

这种情况下，underarmour（处理后的制造商名称）和长串字符的整体重叠比例反而比moulinex更高——因为长串包含大量重复字符，拉高了全局相似度评分，而moulinex作为子串，在超长的全局字符串中占比太低，导致评分被稀释。

解决方案 #

换用单词级匹配的思路：保留产品名称的单词分隔，拆分出独立单词后，再和制造商名称的单词逐一计算相似度，取最高评分作为该制造商的匹配结果。

修正后的代码

const stringSimilarity = require("string-similarity");

// 合理清理产品名称：保留空格分隔，仅移除干扰符号和数字
const cleanedProduct = "BLENDER MOULINETTE MOULINEX AR6801EG - 200G - 800W AVEC - BOL 1.5L -  BLANC - GARANTIE 1 AN"
  .toLowerCase()
  .replace(/[-0-9]/g, '') // 移除横线和数字
  .replace(/\s+/g, ' ')    // 合并多空格为单个
  .trim();

// 拆分产品名称为独立单词数组
const productWords = cleanedProduct.split(' ');

const manufacturers = [
  "intel",
  "moulinex",
  "cuiseurs",
  "under armour"
];

// 计算每个制造商的最高匹配评分
const matchResults = manufacturers.map(manu => {
  const manuWords = manu.toLowerCase().split(' ');
  let highestRating = 0;
  
  // 遍历产品单词和制造商单词，找最高相似度
  productWords.forEach(prodWord => {
    manuWords.forEach(manuWord => {
      const rating = stringSimilarity.compareTwoStrings(prodWord, manuWord);
      if (rating > highestRating) highestRating = rating;
    });
  });
  
  return { target: manu, rating: highestRating };
}).sort((a, b) => b.rating - a.rating); // 按评分降序排序

console.log(matchResults);

运行结果

此时moulinex会和产品中的moulinex单词完全匹配，评分达到1.0，成为最高匹配项，符合预期。

额外建议 #

如果需要兼容拼写错误（比如产品名里写了moulinexx），可以调整相似度阈值；如果制造商名称是固定的，也可以直接检查制造商是否是产品名称的子串（无需相似度计算），效率更高。

内容的提问来源于stack exchange，提问作者Kaki Master Of Time