textlens vs text-readability vs natural：哪个 npm 包用于文本分析？

Source: Dev.to

请提供您希望翻译的正文内容，我将按照要求保留源链接并进行简体中文翻译。

功能比较

何时使用每个包

使用 textlens 的情况

您需要 内容分析 —— 可读性评分、情感检测、关键词提取、SEO 评分 —— 并且希望通过一个包、一个 API 完成所有功能。

const { analyze } = require('textlens');

const result = analyze(articleText);
console.log(result.readability.consensusGrade); // 7.2
console.log(result.sentiment.label);            // 'positive'
console.log(result.keywords[0].word);           // 'javascript'
console.log(result.readingTime.minutes);       // 4

最佳适用场景： 博客文章质量检查、内容流水线、文档 lint、SEO 工具、内容管理系统。

使用 text‑readability 的情况

您 仅 需要可读性评分，其他功能不需要。它体积更小（约 8 KB 对比约 45 KB），只专注于一件事。

const rs = require('text-readability');

const grade = rs.fleschKincaidGrade(text);
const ease  = rs.fleschReadingEase(text);

最佳适用场景： 对体积有要求的简单可读性检查，且不需要情感、关键词或其他分析。

权衡取舍： 没有统一的等级（需自行选择公式），包中不提供 TypeScript 类型，也没有 CLI。

使用 natural 的情况

您需要 超出文本分析的 NLP 功能 —— 带词干提取的分词、朴素贝叶斯分类、音标匹配、字符串距离算法或多语言支持。

const natural = require('natural');

const tokenizer = new natural.WordTokenizer();
const classifier = new natural.BayesClassifier();

classifier.addDocument('great product', 'positive');
classifier.addDocument('terrible service', 'negative');
classifier.train();

console.log(classifier.classify('good experience'));

最佳适用场景： 聊天机器人、搜索引擎、语言处理流水线、文本分类、拼写检查。

权衡取舍： 包体积大（约 2 MB 以上），完全没有可读性公式，也没有内置内容评分。它是通用的 NLP 库，而非内容分析工具。

可读性公式覆盖

textlens 添加了 Linsear Write 公式以及一个共识等级，该等级将所有等级公式的结果取平均，得到一个单一的数值。

情感分析比较

textlens 和 natural 都提供情感分析，但采用不同的方法。

textlens

使用 AFINN‑165 词典（约 3,300 个词，情感分值从 –5 到 +5）。它返回归一化分数、标签、置信度值，以及匹配的正面/负面词列表：

const { sentiment } = require('textlens');

const result = sentiment('The product is great but the support is terrible.');
console.log(result.label);      // 'neutral' (mixed)
console.log(result.positive);   // ['great']
console.log(result.negative);   // ['terrible']
console.log(result.confidence); // 0.18

natural

提供基于 AFINN 的分析和朴素贝叶斯分类。贝叶斯方法是可训练的——你可以向它提供自己的标记数据：

const natural = require('natural');
const Analyzer = natural.SentimentAnalyzer;
const stemmer = natural.PorterStemmer;
const analyzer = new Analyzer('English', stemmer, 'afinn');

const score = analyzer.getSentiment(['great', 'but', 'terrible']);
// Returns a single number

结论： textlens 开箱即用提供更结构化的输出（标签、置信度、词列表）。natural 在需要可训练分类器时提供更大的灵活性。

关键词提取

textlens 与 natural 都支持 TF‑IDF 关键词提取。

textlens

const { keywords } = require('textlens');

const kw = keywords(articleText, { topN: 5 });
// [{ word: 'javascript', score: 4.2, count: 8, density: 2.1 }, ...]

natural

const natural = require('natural');
const TfIdf = natural.TfIdf;
const tfidf = new TfIdf();

tfidf.addDocument(articleText);
tfidf.listTerms(0).slice(0, 5);

textlens 通过单独的 density() 函数提供关键词密度百分比和 n‑gram（双词组、三词组）分析。natural 需要更多的设置，但提供了稳健的 TF‑IDF 实现。

支持多文档 TF‑IDF 原生

包大小和依赖

如果你在构建无服务器函数或浏览器端工具，体积很重要。

• text‑readability 是最小的。
• textlens 是一个合理的折中。
• natural 较为庞大。

TypeScript 支持

textlens 自带原生 TypeScript 类型 — 无需 @types 包：

import { readability, ReadabilityResult } from 'textlens';

const result: ReadabilityResult = readability(text);

text‑readability 和 natural 通过 DefinitelyTyped 提供社区维护的类型（@types/text-readability、@types/natural），但这些类型可能会落后于新版本的发布。

重叠问题

在使用 textlens 之前，构建内容分析流水线需要安装多个包：

# 旧的做法
npm install text-readability   # 可读性评分
npm install sentiment          # 情感分析
npm install keyword-extractor  # 关键词提取
npm install reading-time       # 阅读时间

四个包、四套 API、四份文档。

textlens 将这些功能合并为一个包：

npm install textlens

const { analyze } = require('textlens');

const result = analyze(text);
// result.readability, result.sentiment, result.keywords, result.readingTime

您应该选择哪一个？

• 选择 textlens 如果您想要从单个零依赖包获得可读性 + 情感 + 关键词 + SEO 评分。它端到端覆盖“内容分析”用例。
• 选择 text‑readability 如果您只需要可读性评分并希望包体积尽可能小。
• 选择 natural 如果您需要更广泛的 NLP 功能，如分类、词干提取、音标或多语言分词。它属于不同类别的工具。

没有错误的选择——这取决于您在构建什么。三者均采用 MIT 许可证并积极维护。

链接

• textlens on npm | GitHub
• text‑readability on npm
• natural on npm

披露: 我构建了 textlens。此比较反映了我的诚实评估，但请阅读其他包的文档并自行决定。

这是 textlens 系列 的一部分——关于 JavaScript 和 TypeScript 中文本分析的教程。