feat(busqueda): fuzzy por erratas, sólo como rescate #25

Merged
edgar.friendly merged 1 commits from feat/busqueda-fuzzy into master 2026-11-01 14:18:37 +01:00
Owner

Búsqueda fuzzy sobre la base de la PR #24 (tolerante a tildes + contador + estado vacío).

Criterio: el fuzzy no puede ensuciar la búsqueda normal

Dos etapas, y la segunda sólo si la primera no devuelve nada:

  1. Exacta — todas las palabras de la consulta aparecen en el índice del local. Dentro de la etapa se puntúa la relevancia: 3 si cada palabra empieza una palabra del índice («bar» en «Bar Torrijos»), 2 si sólo aparece a mitad («bar» en «Albardón»).
  2. Aproximada — todas las palabras a distancia de edición corta de alguna palabra del índice, con Levenshtein y corte temprano.

Umbrales (deliberadamente conservadores):

Longitud del término Erratas toleradas
< 4 letras 0 (evita que «bar» case con «bur»)
4–6 letras 1
≥ 7 letras 2

Nota de diseño: no hay etapa de «prefijo» separada, porque un prefijo ya es una subcadena del índice — la etapa 1 lo cubre y sólo se usa para ordenar mejor los aciertos desde el principio de palabra.

Cambios

  • src/utils/busqueda.js: buscarLocales(locales, consulta) → { puntuaciones, aproximada }, distanciaEdicion (con corte), distanciaMaxima, y puntuaciones exportadas.
  • src/App.jsx: filtra por el mapa de puntuaciones y ordena por relevancia primero, con el orden elegido (Reciente/Mejor/A-Z/distancia) como desempate.
  • src/components/BarraFiltros.jsx: si los resultados son aproximados lo dice en el contador — «1 de 4 · búsqueda aproximada» — dentro del mismo role="status" que ya se anuncia.
  • scripts/entornos.env: alta del entorno de la rama.

Verificación

  • 195/195 tests (10 nuevos): umbrales por longitud, distanciaEdicion con corte, cascada, relevancia (3 vs 2), fuzzy sólo como rescate y términos cortos sin fuzzy.
  • Build ok.
  • Contra los datos reales de producción:
"escalera"     -> Bar la escalera [3]
"peluqueria"   -> Peluquería Campos [3]
"peluquera"    -> Peluquería Campos [1]  (aprox.)   ← errata
"torrjos"      -> Bar Torrijos [1]       (aprox.)   ← errata
"argensolla"   -> La taberna de Argensola [1] (aprox.) ← errata
"GUADALAJARA"  -> Peluquería Campos [3] | Bar la escalera [3]
"br"           -> (sin resultados)       ← sin fuzzy en términos cortos

Pendiente / siguiente

  • Resaltar en la tarjeta el fragmento que coincide (ahora mismo el fuzzy “parece magia” sin resaltado).
  • Si el directorio crece a miles y se pagina: mover la búsqueda a SQLite FTS5 con tokenizer trigram en el servidor.
Búsqueda **fuzzy** sobre la base de la PR #24 (tolerante a tildes + contador + estado vacío). ## Criterio: el fuzzy no puede ensuciar la búsqueda normal Dos etapas, y la segunda **sólo** si la primera no devuelve nada: 1. **Exacta** — todas las palabras de la consulta aparecen en el índice del local. Dentro de la etapa se puntúa la relevancia: **3** si cada palabra empieza una palabra del índice («bar» en «Bar Torrijos»), **2** si sólo aparece a mitad («bar» en «Albardón»). 2. **Aproximada** — todas las palabras a distancia de edición corta de alguna palabra del índice, con Levenshtein y corte temprano. Umbrales (deliberadamente conservadores): | Longitud del término | Erratas toleradas | |---|---| | < 4 letras | **0** (evita que «bar» case con «bur») | | 4–6 letras | 1 | | ≥ 7 letras | 2 | Nota de diseño: **no** hay etapa de «prefijo» separada, porque un prefijo ya es una subcadena del índice — la etapa 1 lo cubre y sólo se usa para ordenar mejor los aciertos desde el principio de palabra. ## Cambios - `src/utils/busqueda.js`: `buscarLocales(locales, consulta) → { puntuaciones, aproximada }`, `distanciaEdicion` (con corte), `distanciaMaxima`, y puntuaciones exportadas. - `src/App.jsx`: filtra por el mapa de puntuaciones y **ordena por relevancia primero**, con el orden elegido (Reciente/Mejor/A-Z/distancia) como desempate. - `src/components/BarraFiltros.jsx`: si los resultados son aproximados lo dice en el contador — «1 de 4 · **búsqueda aproximada**» — dentro del mismo `role="status"` que ya se anuncia. - `scripts/entornos.env`: alta del entorno de la rama. ## Verificación - **195/195 tests** (10 nuevos): umbrales por longitud, `distanciaEdicion` con corte, cascada, relevancia (3 vs 2), fuzzy sólo como rescate y términos cortos sin fuzzy. - Build ok. - Contra los datos reales de producción: ``` "escalera" -> Bar la escalera [3] "peluqueria" -> Peluquería Campos [3] "peluquera" -> Peluquería Campos [1] (aprox.) ← errata "torrjos" -> Bar Torrijos [1] (aprox.) ← errata "argensolla" -> La taberna de Argensola [1] (aprox.) ← errata "GUADALAJARA" -> Peluquería Campos [3] | Bar la escalera [3] "br" -> (sin resultados) ← sin fuzzy en términos cortos ``` ## Pendiente / siguiente - Resaltar en la tarjeta el fragmento que coincide (ahora mismo el fuzzy “parece magia” sin resaltado). - Si el directorio crece a miles y se pagina: mover la búsqueda a SQLite FTS5 con tokenizer `trigram` en el servidor.
edgar.friendly added 1 commit 2026-11-01 14:02:06 +01:00
feat(busqueda): búsqueda fuzzy por erratas, sólo como rescate
deploy-branch / deploy (push) Successful in 2m59s
deploy-branch / teardown (push) Skipped
tests / Unitarias + componente + build (push) Successful in 3m25s
tests / Integración (Nominatim real, opt-in) (push) Skipped
tests / Unitarias + componente + build (pull_request) Successful in 3m14s
tests / Integración (Nominatim real, opt-in) (pull_request) Skipped
232ef3fcda
El fuzzy entra únicamente cuando la búsqueda normal no devuelve NADA, para no
ensuciar los resultados con falsos positivos.

- src/utils/busqueda.js: buscarLocales() en dos etapas.
  1. Exacta (todas las palabras aparecen), con puntuación de relevancia:
     3 si empiezan palabra ("bar" en «Bar Torrijos»), 2 si van a mitad
     ("bar" en «Albardón»).
  2. Aproximada, sólo si la 1 no devolvió nada: cada palabra a distancia de
     edición corta de alguna palabra del índice (Levenshtein con corte
     temprano). Umbral: sin fuzzy por debajo de 4 letras, 1 edición hasta 6,
     2 a partir de 7. "peluquera" → Peluquería, "torrjos" → Torrijos.
- App: filtra por el mapa de puntuaciones y ordena por relevancia primero,
  dejando el orden elegido como desempate.
- BarraFiltros: cuando los resultados son aproximados lo dice
  («1 de 4 · búsqueda aproximada») en el mismo role=status anunciado.
- scripts/entornos.env: alta del entorno de la rama.

Tests: 195/195 (10 nuevos) — umbrales, distancia con corte, cascada,
relevancia y que el fuzzy no se activa si hay coincidencias exactas.
edgar.friendly merged commit 5aeef0165d into master 2026-11-01 14:18:37 +01:00
Sign in to join this conversation.
No Reviewers
No labels
1 Participants
Notifications
Due Date
No due date set.
Dependencies

No dependencies set.

Reference: edgar.friendly/localesp#25