我有一个包含大约 15000 个条目的数据库，我想为应用程序的前端部分实现搜索算法，但我不知道应该如何开始。 搜索算法应该对搜索结果进行排名，并且应该接受书面错误。 例子： 如果我搜索“Pordlnd”，结果应该是“Portland”。
它也不应该关心字符串的长度。 例子： 如果我搜索“new”，“New York”和“New Hampshire”的排名应该相同，因为它们都包含“new”这个词。
我想自己写，更多的是作为练习，所以如果你能指出我正确的方向，你的帮助将不胜感激！
【问题讨论】：
标签： database string algorithm search search-engine
您要查找的内容称为近似/模糊字符串搜索。这是一个非常广泛的主题，有很多不同的实现，但我最喜欢的初学者教程之一是：https://norvig.com/spell-correct.html（请注意，这并不完全符合您的要求，但仍然值得一读）。
从根本上说，您的问题归结为：根据某些匹配标准，为字典中的所有单词打 0 - 1 分，并根据该分数返回前 N 个条目。 （当然，你必须很聪明地计算它，因为这需要大量的处理能力）。
以下是有关如何给出该分数的一些介绍： 编辑距离/列文斯坦距离为您提供使用插入/删除/替换字符将一个字符串转换为另一个字符串的“最低成本”。您可以查看：https://en.wikipedia.org/wiki/Levenshtein_distance 或此 Youtube 教程 https://www.youtube.com/watch?v=Xxx0b7djCrs。您可能希望将字符的删除成本设为 0，因为您希望 New York/New Hampshire 在搜索 New 时具有相同的排名。这是一个关于如何将 Levenstein 距离与 BK 树一起使用的 youtube 小视频：https://www.youtube.com/watch?v=oIsPB2pqq_8。
余弦距离是衡量两个向量之间相似性的另一种方法，这里有一个很好的解释：https://blog.nishtahir.com/2015/09/19/fuzzy-string-matching-using-cosine-similarity/
经过一番谷歌搜索，这是一个旧的 SO 答案：Fastest way to find most similar string to an input?
【讨论】：