README_CN.md

Matcher

一个高性能文本匹配器，旨在解决逻辑和文本变体的词匹配问题，以Rust实现。

它对以下方面非常有帮助：

• 精确率与召回率：文本匹配是一个召回过程，逻辑匹配提高精确率，文本变体匹配提高召回率。
• 内容过滤：检测和攻击性或敏感词语。
• 搜索引擎：通过识别相关关键词来改进搜索结果。
• 文本分析：从大量文本中提取特定信息。
• 垃圾邮件检测：识别电子邮件或消息中的垃圾内容。
• ···

特性

有关详细的实现，请参见Design Document。

• 多种匹配方法：
  • 简单词匹配
  • 基于正则表达式的匹配
  • 基于相似度的匹配
• 文本转换：
  • 繁简转换：将繁体字转换为简体字。例如：蟲艸 -> 虫草
  • 删除特定字符：移除特定字符。例如：*Fu&*iii&^%%*&kkkk -> Fuiiikkkk
  • 规范化：将特殊字符规范化为可识别字符。例如：𝜢𝕰𝕃𝙻𝝧 𝙒ⓞᵣℒ𝒟! -> hello world!
  • 拼音转换：将汉字转换为拼音以进行模糊匹配。例如：西安 -> xi an, 匹配 洗按 -> xi an, 但不匹配 先 -> xian
  • 拼音字符转换：将汉字转换为拼音。例如：西安 -> xian, 匹配 洗按 和 先 -> xian
• 与或非词匹配：
  • 考虑单词的重复次数。
  • 例如：hello&world 匹配 hello world 和 world,hello
  • 例如：无&法&无&天 匹配 无无法天（因为 无 重复两次），但不匹配 无法天
  • 例如：hello~helloo~hhello 匹配 hello 但不匹配 helloo 和 hhello
• 可定制的豁免列表：排除特定单词的匹配。
• 高效处理大型词列表：针对性能进行了优化。

Rust 用户

请参阅 Rust README。

Python 用户

请参阅 Python README。

C, Java 和其他用户

我们提供动态链接库，请参阅 C README 和 Java README。

或从源构建

git clone https://github.com/Lips7/Matcher.git
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh -s -- --default-toolchain nightly -y
cargo build --release

在 target/release 文件夹底下找到 libmatcher_c.so/libmatcher_c.dylib/matcher_c.dll。

预构建的包

访问 release page 来下载预构建的动态链接库.

性能测试

请参阅 benchmarks 查看更多细节。