从人性角度解决算法问题

技术可以解决大部分的问题，但是只是从技术层面上出发去考虑，往往具有较大的局限性，且容易出现吃力不讨好的局面。因为，技术最终是用来解决实际问题的，需求源自实际场景，目标也是实际场景，单纯去完成一个纯技术的动作，很容易指标不治本，缺少足够的健壮性和可扩展性。

我们有一个学校的跑步打卡群，每个月建立一个微信群，然后每个人需要设置好自己的真实姓名和目标，目标的范围是50km的整数倍，比如50、100、150，最多一般到400的样子。我们要解决的问题是，通过手段获取到每个用户的昵称后，自动解析出他的中文姓名和目标。虽然我们已经明确了，要按照中文真实姓名+目标的格式，但是具体到每个人实施的时候，就会出现各种各样的形式。比如：

• 张帅-150KM
• 50KM-王帅
• 陈帅@-100KM
• 梁帅50km
• 杨帅☆200
• 关帅~100
• 100KM-2018级孔帅
• 2019邓帅200Km
  …

还会有各种千奇百怪的连接符和表现形式。从纯技术角度出发，肯定就会想到万能的正则表达式，从里边想办法辨别出中文、连接符、数字，然后过滤掉一些固定的黑名单，大概率就能从里边找出姓名和目标来。我们最开始的代码大概是这样的：

const regExp = /^(?:(\d+)(?:km[\b\-\—\~\～\d\s级]*|)([\u4e00-\u9fa5]+))|(?:([\u4e00-\u9fa5]+)(?:[\b\-\—\~\～\s级]*|\-\d+\-)(\d+)(?:km)?)$/i
 
let targets = []
nicknames.forEach(nickname => {
   let ms = nickname.match(regExp)
   if (!ms || !ms.length) {
       console.error('识别错误：' + nickname)
       return
   }
   let target = null
   if (ms[1]) {
       target = {
           nickname: ms[2],
           target: ms[1],
           origin: nickname,
       }
   } else {
       target = {
           nickname: ms[3],
           target: ms[4],
           origin: nickname,
       }
   }
   if (target.target == 0 || target.target % 50 != 0) {
       console.error('识别错误：' + nickname);
   } else {
       targets.push(target)
   }
})
 

实际上，每个月执行下来，总会出现几个例外，发现一些新的连接符和构成模式，于是，正则表达式就会越来越复杂。

最后，我们觉得这样下去不行了，每个月都得重新调整我们的代码，好麻烦。于是，就回过头来重新思考，人们去做这件事情时，会从人的角度去把自己的真实姓名和目标放置进去，还有一部分则还会把自己是哪一级的学生也标识进去。那么，从人的角度去理解，这些内容都有什么特点呢？

首先是年份：一般都会是年份或者年份+级，实际上，这里边最影响判断的就是，这个级是不是姓名的一部分，年份的话，4个数字，它和目标还是有很大的区分度的。那么，只要出现\d{4}级 的内容，把这部分过滤掉就行。

接下来就是找姓名，很明显，姓名肯定是中文，而中文的话，编码都是特定区间的，可以很简单的和目标以及其他无意义的分隔符区分出来。

最后就是目标了，这个还真是最简单的，因为只有可能是50的整倍。

至此，识别的算法就非常简单明了了。

const yearExp = /\d+级/
const nameExp = /([\u4e00-\u9fa5]{2,3})/
const distanceExp = /(50|100|150|200|250|300|350|400|450|500)/
let targets = []
nicknames.forEach( nickname => {
    let target = {
        distances: 0,
        name: '',
        origin: nickname
    }
    // 去掉干扰因素
    if (nickname.indexOf('级') > -1) {
        nickname = nickname.replace(yearExp, '')
    }
    // 匹配姓名
    let ms = nickname.match(nameExp)
    if (ms && ms.length) {
        target.name = ms[1]
    } else {
        console.error(`name not found:${nickname}`)
    }
    // 匹配目标
    ms = nickname.match(distanceExp)
    if (ms && ms.length) {
        target.distances = parseInt(ms[1], 10)
    } else {
        console.error(`distance not found:${nickname}`)
    }
    targets.push(target)
})
 

这样，从人性的角度，从实际场景出发，我们做出来了非常稳定的识别算法，后面再也没有去动过这部分代码了。所以，精准地理解业务需求，才能提供更加精炼的解决方案。