用按键精灵2014.06给本地Node.js服务发POST请求，5分钟搞定字符串相似度计算

按键精灵与Node.js联动实战：构建本地字符串相似度计算工具

在自动化脚本开发领域，按键精灵一直以其简单易用的特性受到广泛欢迎。但当我们需要处理更复杂的任务时，比如文本相似度计算，单纯依靠按键精灵内置功能就显得力不从心。本文将带你构建一个本地化解决方案，通过按键精灵2014.06与Node.js服务的联动，实现高效的字符串相似度计算。

1. 为什么选择本地Node.js服务

相比调用第三方在线API，本地Node.js服务有三大不可替代的优势：

• 隐私安全：所有数据处理都在本地完成，避免敏感信息外泄
• 响应速度：省去网络传输延迟，毫秒级返回计算结果
• 定制自由：可根据需求自由调整算法和返回格式

常见字符串相似度算法对比

提示：本文示例采用Levenshtein算法，因其在大多数场景下平衡了精度和性能

2. 搭建Node.js后端服务

首先确保已安装Node.js环境（建议v14+），然后创建项目目录并初始化：

mkdir similarity-server && cd similarity-server npm init -y npm install express body-parser

创建server.js文件，编写核心服务代码：

const express = require('express'); const bodyParser = require('body-parser'); const app = express(); // 中间件配置 app.use(bodyParser.urlencoded({ extended: true })); // 相似度计算函数 function calculateSimilarity(a, b) { if (!a || !b) return 0; if (a === b) return 1; const matrix = []; for (let i = 0; i <= b.length; i++) { matrix[i] = [i]; } for (let j = 0; j <= a.length; j++) { matrix[0][j] = j; } for (let i = 1; i <= b.length; i++) { for (let j = 1; j <= a.length; j++) { const cost = a[j-1] === b[i-1] ? 0 : 1; matrix[i][j] = Math.min( matrix[i-1][j] + 1, matrix[i][j-1] + 1, matrix[i-1][j-1] + cost ); } } return 1 - (matrix[b.length][a.length] / Math.max(a.length, b.length)); } // 路由配置 app.post('/api/similarity', (req, res) => { const { text1, text2 } = req.body; const similarity = calculateSimilarity(text1, text2); res.json({ success: true, similarity: parseFloat(similarity.toFixed(4)), timestamp: Date.now() }); }); // 启动服务 const PORT = 3000; app.listen(PORT, () => { console.log(`服务已启动: http://localhost:${PORT}`); });

启动服务：

node server.js

3. 按键精灵客户端实现

按键精灵2014.06版本虽然较老，但通过MSXML2.XMLHTTP对象仍能完美实现HTTP请求。以下是优化后的封装函数：

Function CalculateStringSimilarity(text1, text2) Dim http, payload, result ' 创建HTTP对象 Set http = CreateObject("Msxml2.XMLHTTP") ' 准备请求数据 payload = "text1=" & URLEncode(text1) & "&text2=" & URLEncode(text2) ' 配置请求 http.Open "POST", "http://localhost:3000/api/similarity", False http.setRequestHeader "Content-Type", "application/x-www-form-urlencoded" ' 发送请求 http.Send payload ' 处理响应 If http.Status = 200 Then Set result = ParseJson(http.responseText) If result("success") Then CalculateStringSimilarity = result("similarity") Else CalculateStringSimilarity = -1 ' 标记错误 End If Else CalculateStringSimilarity = -1 ' 标记错误 End If End Function ' URL编码辅助函数 Function URLEncode(str) Dim i, char, result result = "" For i = 1 To Len(str) char = Mid(str, i, 1) Select Case char Case "A" To "Z", "a" To "z", "0" To "9", "-", "_", ".", "~" result = result & char Case " " result = result & "+" Case Else result = result & "%" & Hex(Asc(char)) End Select Next URLEncode = result End Function ' 简易JSON解析 Function ParseJson(jsonStr) Set sc = CreateObject("ScriptControl") sc.Language = "JScript" Set ParseJson = sc.Eval("(" & jsonStr & ")") End Function

4. 实战应用与性能优化

4.1 基础使用示例

Dim str1, str2, similarity str1 = "按键精灵自动化脚本" str2 = "按键精灵自动脚本" similarity = CalculateStringSimilarity(str1, str2) MessageBox "相似度: " & FormatNumber(similarity * 100, 2) & "%"

4.2 批量处理优化

当需要比较大量字符串对时，建议修改Node.js服务支持批量处理：

app.post('/api/batch-similarity', (req, res) => { const { pairs } = req.body; const results = pairs.map(pair => ({ text1: pair[0], text2: pair[1], similarity: calculateSimilarity(pair[0], pair[1]) })); res.json({ success: true, results }); });

对应的按键精灵调用方式：

Function BatchCalculateSimilarity(textPairs) Dim http, payload, json, i ' 构建JSON数据 json = "{""pairs"":[" For i = 0 To UBound(textPairs) If i > 0 Then json = json & "," json = json & "[""" & EscapeJson(textPairs(i)(0)) & """,""" & EscapeJson(textPairs(i)(1)) & """]" Next json = json & "]}" Set http = CreateObject("Msxml2.XMLHTTP") http.Open "POST", "http://localhost:3000/api/batch-similarity", False http.setRequestHeader "Content-Type", "application/json" http.Send json If http.Status = 200 Then Set result = ParseJson(http.responseText) BatchCalculateSimilarity = result("results") Else BatchCalculateSimilarity = Null End If End Function

4.3 常见问题排查

问题1：请求返回空或错误

• 检查Node.js服务是否正常运行
• 确认按键精灵脚本中的URL和端口正确
• 使用TracePrint http.responseText查看原始响应

问题2：中文乱码

• 确保请求头包含charset=UTF-8
• 在Node.js端添加中间件：

  app.use(bodyParser.urlencoded({ extended: true, parameterLimit: 10000, limit: '10mb' }));

问题3：性能瓶颈

• 对于长文本比较，考虑：
  • 增加超时设置：http.setTimeouts 3000, 3000, 3000, 3000
  • 在Node.js端实现算法优化
  • 添加缓存层存储最近计算结果

5. 扩展应用场景

这个本地化解决方案可应用于多种实际场景：

• 数据清洗：自动识别并合并相似记录

  Dim records, i, j records = GetDatabaseRecords() ' 假设从数据库获取记录 For i = 0 To UBound(records) - 1 For j = i + 1 To UBound(records) similarity = CalculateStringSimilarity(records(i), records(j)) If similarity > 0.8 Then MergeRecords records(i), records(j) End If Next Next

• 自动化测试：验证界面文本准确性

  Dim expectedText, actualText expectedText = "欢迎使用我们的服务" actualText = Plugin.Color.GetText(100, 200, 300, 400) ' 获取屏幕指定区域文字 If CalculateStringSimilarity(expectedText, actualText) < 0.9 Then ReportError "文本验证失败" End If

• 游戏脚本：识别相似游戏对话选项

  Function SelectDialogOption(target) Dim options, i, maxIndex, maxSimilarity options = GetDialogOptions() ' 获取当前对话选项 maxSimilarity = 0 For i = 0 To UBound(options) similarity = CalculateStringSimilarity(target, options(i)) If similarity > maxSimilarity Then maxSimilarity = similarity maxIndex = i End If Next If maxSimilarity > 0.7 Then ClickDialogOption maxIndex End If End Function

对于需要更高性能的场景，可以考虑将算法移植到按键精灵插件中，或者使用C++编写扩展模块。但在大多数情况下，这种本地HTTP服务的方案已经能够很好地平衡开发效率和运行性能。