使用JS与MongoDB实现支持易混淆相似字符匹配的正则搜索功能

现有逻辑的问题是直接拿用户输入做正则匹配，遇到易混淆字符输错时就命中不了，要实现等价匹配，核心思路是把每组外形相似的字符归为同一匹配集合，两种可直接落地的方案如下：

方案一：轻量正则改写（无需调整数据库表结构） #

改动最小，直接在现有接口的正则生成环节做改造，不需要动原有表结构：

1. 先梳理需要兼容的易混淆字符对，建立映射规则
2. 把用户输入的搜索词逐字符拆解，每个字符替换成能覆盖所有相似字符的正则片段，再用生成的新正则去查询

可直接落地的改造代码如下：

// 定义相似字符匹配集合：原字符对应所有可等价匹配的相似字符
const similarCharMap = {
  '0': '[0Oo]',
  'O': '[0Oo]',
  'o': '[0Oo]',
  '1': '[1IilL]',
  'I': '[1IilL]',
  'i': '[1IilL]',
  'l': '[1IilL]',
  'L': '[1IilL]'
}

exports.findByName = (req, res) => {
  const itemName = req.params.name
  if (!itemName) {
    return Item.find({ _active: true })
      .then(data => res.send(data))
      .catch(err => res.status(500).send({ message: err.message || "Some error occurred while retrieving items." }))
  }

  // 逐字符处理用户输入，生成可匹配相似字符的正则
  const matchedRegex = itemName.split('')
    .map(char => {
      // 先转义正则特殊字符，避免语法错误/注入问题
      if (/[.*+?^${}()|[\]\\]/.test(char)) return `\\${char}`
      // 命中相似字符规则就返回对应匹配集合，否则返回原字符
      return similarCharMap[char] || char
    })
    .join('')

  const condition = {
    itemName: { $regex: new RegExp(matchedRegex), $options: "ix" },
    _active: true
  }

  Item.find(condition)
    .then((data) => {
      res.send(data)
    })
    .catch((err) => {
      res.status(500).send({
        message: err.message || "Some error occurred while retrieving items."
      })
    })
}

举个实际匹配的例子：
用户输入搜索词89O1450，生成的正则片段为89[0Oo][1IilL]45[0Oo]，可以直接命中数据库里的原条目890I45O——因为条目里的0属于0/O/o的匹配集合，I属于1/I/i/l/L的匹配集合，完全匹配需求。

方案二：性能优化版（数据量大时推荐） #

如果数据库内的物品条目量过万，全表正则扫描的性能会明显下降，这时候推荐用冗余字段做归一化处理：

1. 给Item表增加normalizedItemName字段，在新增/修改物品信息时，按照统一规则把原物品名转成归一化格式同步存入：
   • 统一规则：所有O/o替换为0，所有I/i/l/L替换为1，其余字符保持不变
   • 比如原条目890I45O，归一化后的值为8901450
2. 搜索时先把用户输入的搜索词做同样的归一化转换，之后直接匹配归一化字段即可，比纯正则查询快数倍。

这个方案下的接口改造代码：

// 统一的归一化转换函数
const normalizeStr = (str) => str.replace(/[Oo]/g, '0').replace(/[IiLl]/g, '1')

exports.findByName = (req, res) => {
  const itemName = req.params.name
  const condition = itemName ? {
    // 直接匹配归一化后的字段，天然兼容所有相似字符输入
    normalizedItemName: { $regex: new RegExp(normalizeStr(itemName)), $options: "ix" },
    _active: true
  } : { _active: true }

  Item.find(condition)
    .then((data) => res.send(data))
    .catch((err) => res.status(500).send({
      message: err.message || "Some error occurred while retrieving items."
    }))
}

注意事项 #

• 相似字符的映射规则可以按需扩展，如果后续发现S/5、B/8这类常见易混字符，直接在映射表中补充对应规则即可
• 方案一必须保留正则特殊字符的转义逻辑，否则用户输入带正则语法的内容时，会直接报错甚至引发注入风险
• 数据量小的场景直接用方案一即可，改动量最小；数据量上来之后再迁移到方案二的冗余字段模式，不需要推翻原有逻辑

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