早上看到老趙的《一個(gè)較完整的關(guān)鍵字過濾解決方案（上）》文章，講到怎樣在項(xiàng)目中嵌入過濾方案的問題，以及提到 xingd 和 sumtec 兩位大師發(fā)表的系列互拼的文章，在此我也忍不住談?wù)勛约河龅降膯栴}以及一個(gè)的簡(jiǎn)化版的算法。

因?yàn)檫^濾關(guān)鍵字機(jī)制到處可見，于是聰明的網(wǎng)友就會(huì)想到各種各樣的方法突破，例如：

1、中文會(huì)用繁體字的方法避開關(guān)鍵字掃描
2、在關(guān)鍵字中間插入無(wú)意思的特殊字符，例如 * & # @ 等，而且個(gè)數(shù)可變
3、使用諧音或拆字法變換關(guān)鍵字

在實(shí)現(xiàn)自己的算法時(shí)也有些問題：

4、隨著時(shí)間推移，關(guān)鍵字列表會(huì)越來越大，有些論壇常用的正則表達(dá)式N次掃描的方法顯得效率很低。
5、關(guān)鍵字有不同的嚴(yán)重級(jí)別，有些需要禁止，有些只需要替換，還有一些可能記錄一下即可。

針對(duì)這些問題，可采用的應(yīng)對(duì)方法：

1、加載關(guān)鍵字列表時(shí)，將所有的關(guān)鍵字轉(zhuǎn)換成繁體字一份，以掃描繁體版的關(guān)鍵字；
這個(gè)轉(zhuǎn)換工作只需一句就可以實(shí)現(xiàn)了：
s=Microsoft.VisualBasic.Strings.StrConv(word, Microsoft.VisualBasic.VbStrConv.TraditionalChinese, 0);

2、在掃描原文本時(shí)，如果遇到關(guān)鍵字的首個(gè)文字，忽略其后的特殊字符，直到下一個(gè)有意義的文字為止，當(dāng)然這里需要在定義關(guān)鍵字列表時(shí)指定哪些才需要這樣掃描，并不是所有關(guān)鍵字都采用這種方式；
例如有關(guān)鍵字 “你好”經(jīng)常會(huì)被人輸入成“你x好”或者“你xxxxx好”，那么在關(guān)鍵字列表里就需要定義成“你*好”，在匹配關(guān)鍵字時(shí)，如果遇到星號(hào)就忽略原文本下一個(gè)為特殊的字符。

3、遇到諧音和拆字時(shí)，沒什么好辦法了，只好將這些諧音詞和拆分詞也加入到關(guān)鍵字列表。

4、不用正則表達(dá)式或者 String.IndexOf方法，可以將所有關(guān)鍵字的首字相同的組成一個(gè)一個(gè)小組，然后在將首字放到一個(gè)散列表（HashTable/Dictionary），在掃描原文本時(shí)先在散列表里掃描，如果碰到了首字再掃描同組的關(guān)鍵字，這樣簡(jiǎn)單處理一下效率可以提高很多。

還有一個(gè)比用散列表更好的方法，將散列表改成一個(gè)大小為char.MaxValue的數(shù)組，然后將首個(gè)文字轉(zhuǎn)成int，即char->int，然后將關(guān)鍵詞集合放到相應(yīng)下標(biāo)里。這樣在掃描原文本時(shí)，將被掃描的字符轉(zhuǎn)成int，然后試探數(shù)組相應(yīng)下標(biāo)的元素是否不為NULL。這樣比用散列表會(huì)更快一些。

5、在定義關(guān)鍵字時(shí)，同時(shí)給一個(gè)“級(jí)別”屬性，例如使用 E,R,B分別表示只記錄、替換、禁止等情況。
于是關(guān)鍵字的列表如下所示：
你滾 E
他niang的 R
成*人*網(wǎng)*站 B

這里貼一下關(guān)鍵的部分代碼：

NET技術(shù)：一個(gè)簡(jiǎn)單的關(guān)鍵字過濾算法，轉(zhuǎn)載需保留來源！

鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標(biāo)記有誤，請(qǐng)第一時(shí)間聯(lián)系我們修改或刪除，多謝。