fuzzbunny

fuzzbunny

fuzzbunny adalah pustaka pencarian/pencocokan/penyorotan yang cepat, 1K), cepat & memori. Ini bekerja sama baiknya di lingkungan browser atau node.js.

Mengapa fuzzbunny?

• Friendly Human - Fuzzbunny Scoring dan Algorithmm lebih disetel pada pola pencarian "manusia". Ini memunculkan apa yang Anda cari dengan penekanan tombol minimal.
• Ringan - ~ 3KB Minified dan tidak memiliki dependensi.
• Ultra Fast - ~ Million Lines/Second pada Inti Virtual 2.4GHz.

Perpustakaan serupa lainnya adalah fuzzymatch, fuzzy, fuzzy-pencarian, fuzzyjs.

fuzzbunny bertujuan untuk menjadi gesit dan cepat. Ini memiliki API sederhana yang dapat dengan mudah diintegrasikan dengan perpustakaan Frontend untuk membangun UI pencarian yang bagus. Kami menggunakannya di mixpanel.com untuk memberi daya dropdown dan tabel UI kami.

Instalasi

npm install --save fuzzbunny atau yarn add fuzzbunny

Demo

Fuzzbunny Gutenberg Catalog Demo →

Penggunaan

 const { fuzzyFilter , fuzzyMatch } = require ( `fuzzbunny` ) ;
// or import {fuzzyFilter, fuzzyMatch} from 'fuzzbunny';

const heroes = [
  {
    name : `Claire Bennet` ,
    ability : `Rapid cellular regeneration` ,
  } ,
  {
    name : `Micah Sanders` ,
    ability : `Technopathy` ,
  } ,
  {
    name : `Hiro Nakamura` ,
    ability : `Space-time manipulation` ,
  } ,
  {
    name : `Peter Petrelli` ,
    ability : `Tactile power mimicry` ,
  } ,
] ;

// Use fuzzyFilter to filter an array of items on specific fields and get filtered + score-sorted results with highlights.
const results = fuzzyFilter ( heroes , `stm` , { fields : [ `name` , `ability` ] } ) ;
/*
results = [
  {
    item: {
      name: 'Peter Petrelli',
      ability: 'Tactile power mimicry',
    },
    score: 1786,
    highlights: {
      ability: ['', 'T', 'actile power ', 'm', 'imicry'],
    },
  },
  {
    item: {
      name: 'Hiro Nakamura',
      ability: 'Space-time manipulation',
    },
    score: 983,
    highlights: {
      ability: ['Space-', 't', 'ime ', 'm', 'anipulation'],
    },
  },
];
*/

// Use fuzzyMatch to match a single string to get score + highlights. Returns null if no match found.
const match = fuzzyMatch ( heroes [ 0 ] . name , `ben` ) ;
/*
match = {
  score: 2893,
  highlights: ['Claire ', 'Ben', 'net'],
};
*/ 

Mencetak dan mengatur pesanan

fuzzbunny menggunakan algoritma penilaian yang memprioritaskan sinyal berikut. Lihat fungsi _getMatchScore .

Contoh 1:

• Mulai dari String - {Mayfl}ower peringkat di atas The {Mayfl}ower
• Lebih dekat untuk memulai - The {Mayfl}ower peringkat di atas Story of the {Mayfl}ower
• Panjang Kontigu - The {Mayfl}ower peringkat di atas {May} {fl}ower
• Secara abjad - The {May} {fl}ower peringkat di atas This {May} {fl}ower

Contoh 2:

 const f = require ( `fuzzbunny` ) ;
f . fuzzyMatch ( `Gobbling pupusas` , `usa` ) ;
// {score: 2700, highlights: ['Gobbling pup', 'usa', 's']}
f . fuzzyMatch ( `United Sheets of Antarctica` , `usa` ) ;
// {score: 2276, highlights: ['', 'U', 'nited ', 'S', 'heets of ', 'A', 'ntarctica']}

Gobbling pup{usa}s menang karena urutan 3 huruf yang berdekatan menghasilkan skor yang lebih tinggi.

Catatan : fuzzbunny OptMizes untuk hasil yang bermakna. Ini hanya melakukan substring/awalan/akronim-pencocokan, bukan pencocokan serakah.

Ini karena otak manusia sangat bagus dalam pengingat awalan. misalnya kata -kata yang dimulai dengan "CA" jauh lebih mudah diingat daripada kata -kata yang berisi huruf "C" dan "A" di suatu tempat. Mudah diingat bahwa {usa} singkatan dari {U}nited {S}tates of {A}merica , bukan F{u}ll Java{s}cript Fr{a}mework

Pertunjukan

fuzzbunny cocok ~ juta baris/kedua pada perangkat keras modern. Diuji pada 2018 MacBook Pro dengan 2.4GHz CPU. Lihat Tes/Performance.js

Tipe

fuzzbunny hadir dengan tipe naskah autogenerasi. Lihat Index.D.TS