如何高效检测多语言翻译文件底层键是否在项目目录中存在引用

两种方案的性能差异结论 #

遍历所有文件一次的方案，和逐个翻译键遍历文件的方案性能差异完全不可忽略：

• 逐个翻译键遍历文件的时间复杂度为 O(M*N)：M为翻译键总数，N为项目文件总数，千级翻译键+千级文件的场景下，需要执行百万级的文件读取操作，开销极高。
• 遍历文件一次的方案时间复杂度为 O(N)：仅需读取所有目标文件一次，开销和翻译键数量无关，比前者效率高几个量级。

基础实现步骤（已验证最优方向） #

你提到的第二种思路是正确的，完整的基础流程如下：

1. 先递归打平多语言JSON，提取所有叶子节点的键路径，存入Set结构作为待校验集合（Set的删除、查询操作都是O(1)，比普通对象效率更高）
   打平逻辑参考代码：

   function flattenLocale(obj, parentPath = '') {
     const result = new Set()
     for (const key in obj) {
       const currentPath = parentPath ? `${parentPath}.${key}` : key
       const value = obj[key]
       // 仅把值为基础类型的叶子节点加入待校验集合
       if (typeof value === 'object' && value !== null && !Array.isArray(value)) {
         result.add(...flattenLocale(value, currentPath))
       } else {
         result.add(currentPath)
       }
     }
     return result
   }
   // 调用示例，根据你导出的locale结构调整根路径前缀
   const pendingKeys = flattenLocale(locale.data, 'data')
   

2. 按照.gitignore规则过滤目录，排除无关文件，只保留需要扫描的源码文件
3. 逐个读取过滤后的文件内容，匹配文件中出现的所有翻译键，每匹配到一个就从pendingKeys中删除
4. 全部扫描完成后，pendingKeys中剩余的就是未被引用的翻译键

可进一步提升效率的优化点 #

• 提前终止扫描：每处理完一个文件就检查pendingKeys的大小，如果已经为空，直接停止后续所有文件的读取，翻译键覆盖率较高的场景下能节省90%以上的时间。
• 正则批量匹配：提前把所有待校验的键拼成一个全局正则（注意转义路径中的.等特殊字符），读取一个文件后只执行一次正则匹配，就能拿到当前文件里所有出现的翻译键，不需要循环每个键逐个判断，字符串匹配效率提升非常明显。
• 提前过滤文件类型：除了.gitignore的规则，还可以主动限定只扫描业务源码文件，比如前端项目只扫描.js、.ts、.jsx、.tsx、.vue文件，直接跳过图片、字体、编译产物、依赖目录，大幅减少需要读取的文件总数。
• 异步IO并发读取：如果用Node.js等Runtime实现，不要用同步文件读取接口，用异步IO批量并发读取文件，IO密集型场景下效率比同步读取高好几倍。
• 缓存扫描结果：如果需要频繁执行校验（比如集成到本地开发钩子、CI流程），可以缓存每个文件的修改时间或者哈希值，下次执行时如果文件没有变更，直接跳过读取，不需要重复扫描。

额外注意事项 #

静态扫描无法识别动态拼接的翻译键，比如locale.data.NAV[moduleType].TITLE这类写法，需要你额外做兼容处理，否则会出现误判。

内容的提问来源于stack exchange，提问作者Tal C