按照标题与搜索词的相似度，进行排序

// 自定义排序函数，根据Item的Name字段与target字符串的相似性进行排序 func sortBySimilarity(items []item, target string) []item { items = filter(items, target) sort.Slice(items, func(i, j int) bool { // 计算每个Item的Name与target的相似性 simI := levenshteinDistance(items[i].Title, target) simJ := levenshteinDistance(items[j].Title, target) // 假设我们想要相似性越高的越排在前面，因此返回simI < simJ // 如果你的相似性算法逻辑不同，这里的比较逻辑也需要相应调整 return simI < simJ }) return items } // 过滤掉不包含搜索词的记录 func filter(items []item, target string) []item { results := []item{} for _, v := range items { if strings.Contains(strings.ToLower(v.Title), strings.ToLower(target)) { results = append(results, v) } } return results } // levenshteinDistance 计算两个字符串之间的Levenshtein距离 func levenshteinDistance(s1, s2 string) int { len1 := len(s1) len2 := len(s2) if len1 < len2 { return levenshteinDistance(s2, s1) } if len2 == 0 { return len1 } // 创建一个二维切片来存储计算过程中的中间结果 dp := make([][]int, len1+1) for i := range dp { dp[i] = make([]int, len2+1) } // 初始化第一列 for i := 0; i <= len1; i++ { dp[i][0] = i } // 初始化第一行 for j := 0; j <= len2; j++ { dp[0][j] = j } // 填充剩余的dp表格 for i := 1; i <= len1; i++ { for j := 1; j <= len2; j++ { cost := 0 if s1[i-1] != s2[j-1] { cost = 1 } dp[i][j] = min( dp[i-1][j]+1, // 删除 dp[i][j-1]+1, // 插入 dp[i-1][j-1]+cost, // 替换 ) } } return dp[len1][len2] } // min 返回两个整数中的较小值 func min(a, b, c int) int { if a <= b && a <= c { return a } else if b <= a && b <= c { return b } return c }