Go 文件模糊搜索需按粒度选方案：行级用编辑距离（预筛+归一化+拼音转换），索引场景用 Bleve 模糊语法，大文件用关键词 Trie+字节偏移定位。
Go 语言里做文件内容模糊搜索，别指望 strings.Contains 或正则能搞定——它只认字面匹配，输错一个字母、少个字符、大小写不一致，就直接漏掉。真要支持“类似”“拼错也命中”，必须用编辑距离或词级模糊逻辑，且得结合实际场景选对工具和边界。
用 levenshtein 做行级模糊匹配，但必须加长度预筛
最轻量的方案是逐行读取 + 编辑距离判断，适合小规模（几百文件以内）、单次查询、关键词较短（≤50 字符）的场景。
-
github.com/agnivade/levenshtein.ComputeDistance()是目前最稳的实现，无依赖、API 简洁 - 别直接对所有行都算距离：先用
len(line)和len(query)做差值过滤，比如abs(len(line)-len(query)) > maxEd就跳过，能砍掉 70%+ 的无效计算 - 阈值别硬写成
<=2；推荐归一化：float64(dist)/math.Max(float64(len(query)), float64(len(line))) <= 0.3 - 中文场景务必先转拼音（如用
go-pinyin），否则 “你好” 和 “您好” 编辑距离是 4，毫无意义
bleve.NewQueryStringQuery 支持模糊语法，但前提是索引已建好
如果你已经用 bleve 建了全文索引（比如基于 SQLite FTS5 或本地 bleve 索引），那用户输入根本不用自己解析，直接喂给 bleve.NewQueryStringQuery() 即可。
- 它原生支持
roam~（模糊）、te?t（通配）、"full text"（短语）、AND/OR，无需手拼 JSON - 注意：模糊符号
~后不能跟数字（如roam~1是非法语法），默认就是编辑距离 1；想放宽到 2，得用roam~2 - 如果查不到结果，先确认字段是否配置了
field.Index(true).Store(true)，且 mapping 绑定了分词器（中文必须显式设"jieba"） - 别在查询前对用户输入做
strings.ToLower()——NewQueryStringQuery内部已处理大小写归一
大文件别加载进内存做模糊，改用偏移量 + 关键词 Trie
GB 级日志或数据文件，逐行读 + 每行跑 levenshtein 会卡死。此时模糊搜索应降级为「关键词前缀模糊」，再靠字节偏移定位原文。
立即学习“go语言免费学习笔记（深入）”；
- Trie 节点必须用
map[rune]*TrieNode，不是map[byte]，否则中文、emoji、带重音字符（如café）全乱套 - 构建时对每行提取固定结构字段（如日志中的
ERROR、api/v1、IP 地址），再插入 Trie；叶子节点挂[]int64记录该关键词在文件中的所有字节偏移 - 模糊搜索走 DFS，但只允许在关键词级别模糊（比如
ERRROR→ERROR），不是整行模糊；查到关键词后，用file.Seek(offset, io.SeekStart)定位并读几行上下文 - 偏移量记录时机很关键：必须在
scanner.Bytes()后、scanner.Scan()前调file.Seek(0, io.SeekCurrent)，否则指针已在下一行开头
真正容易被忽略的是：模糊 ≠ 全文扫描。90% 的模糊需求其实落在「关键词纠错」或「用户输错但意图明确」上，而不是对整段文本做 Levenshtein 全局比对。选工具前先问清楚——你要模糊的是什么粒度？是文件名、路径、日志 tag，还是纯文本内容？粒度错了，再快的算法也白搭。
