繁體中文当前位置: 首页 > 图文教程 > 网络编程 > ASP.NET > asp.NET 脏字过滤算法 修改版
- ASP.NET
- ACCESS数据库访问组件（三）
- ACCESS数据库访问组件（四）
- 在ASP.NET访问Excel文件
- 使用正则表达式解析的初步体会(固定格式网页解析)
- 一段找出URL的代码（C#）
- C#中的转意字符序列
- 创建表，创建行，创建列（VB.NET）
- 刀兄写的IIS管理类（C#）
- 索引服务调用代码（C#）
- VB.NET里奇怪的数组赋值现象
- C#运算符的优先顺序
- [初学VB.NET]如何防止重复打开MDI子窗体
- 第二版出错的地方，大家看看第三版我的翻译对么？
- VB的API编程精粹
- 表格架构基本框架DEMO码
- 用C＃实现在客户区拖动窗体（转自MSDN）
- 在ASP.NET中利用GDI+ 设计Chart控件
- 关于JAXP，DOM，SAX，JDOM，DOM4J的一些想法
- Nucleus.MockAOP.Net：OpenSource .Net AOP FrameWork
- VB中打印ACCESS报表
ASP.NET 中的 asp.NET 脏字过滤算法 修改版
出处:互联网 整理: 软晨网（RuanChen.com） 发布: 2010-01-10 浏览: 248 ::
收藏到网摘: n/a
我们网站的脏字字典中大概有600多个词，而且会发生变化，因此简单的在数据新增/修改的时候做一次脏字过滤是不够的。在网站从.NET 1.1到2.0改版的时候，对新版的测试发现旧的脏字过滤算法耗费的时间过长，需要做一些优化。 旧的算法是简单对每一个脏字调用一遍 string.replace，当然是用了StringBuilder。http://www.ruanchen.com/"codetitle">复制代码 代码如下:
private Dictionary<string, object> hash = new Dictionary<string, object>();
private BitArray firstCharCheck = new BitArray(char.MaxValue);
private BitArray allCharCheck = new BitArray(char.MaxValue);
private int maxLength = 0;
其中hash只使用到了key，value都置为null。也可以使用.NET 3.5中的HashSet，或者使用Dictionary<string, int>，记录脏字的出现次数。
初始化这些数据的方法如下：
复制代码 代码如下:
foreach (string word in badwords)
{
if (!hash.ContainsKey(word))
{
hash.Add(word, null);
maxlength = Math.Max(maxlength, word.Length);
firstCharCheck[word[0]] = true;
foreach (char c in word)
{
allCharCheck[c] = true;
}
}
}
判断脏字是否出现在一个字符串中的代码如下：
复制代码 代码如下:
int index = 0;
int offset = 0;
while (index < text.Length)
{
if (!firstCharCheck[text[index]])
{
while (index < text.Length - 1 && !firstCharCheck[text[++index]]) ;
}
for (int j = 1; j <= Math.Min(maxlength, text.Length - index); j++)
{
if (!allCharCheck[text[index + j - 1]])
{
break;
}
string sub = text.Substring(index, j);
if (hash.ContainsKey(sub))
{
return true;
}
}
index++;
}
return false;
替换的代码就不贴了，跟判断包含类似，只不过不能发现一个脏字后就退出循环。如果出现脏字的可能不是很高，就没有必要创建一个临时的StringBuilder。
进一步，可以通过借鉴.NET源码中string.GetHashCode()的实现，避免一次Substring的调用，提高性能。也可以设计递进的HashCode实现，比如"helloworld"可以用"helloworl"的hash进一步计算，优化效率。
另外，也可以抛弃Hash，改用排序过的string[]，用BinarySearch来判断sub是否为脏字。BinarySearch的结果是可以递进的，即可以用查找"helloworl"的结果来加速判断"helloworld"。 （已测试，700个脏字，BinarySearch的效率有时会低很多。）
最后发一点牢骚，当初最早发的时候（http://www.ruanchen.com/rticle/20576.htm），仅仅是为了说明下自己的算法，具体的代码甚至还有一点错误。两个事情让我觉得心里不很爽，一个是被乱七八糟的无数网站转载而不说明出处，导致我后来的改进和错误修正达不到效果，二是一些人都愿意看到最终的代码，而不是理解我想要表达的最核心的设计，然后自己去考虑实现。
评论 (0) 