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
- 使用C# 开发掩码输入文本框
- 点击DataGrid的列标头在DataGrid最后一行显示该列的和
- ASP.NET之Web打印－终极解决篇
- SQL Server 2000 Reporting Services: 怎样根据用户的语言偏好显示本地化的信息
- 利用底层键盘钩子拦载任意按键（回调版）
- 如何禁止调整自定义控件的尺寸？
- 用VB6.0编写磁盘格式化程序
- Aspx中导Excel
- ASP.NET组件设计Step by Step(3)
- 下面真正开始讲事件的内容
- 如何有效的使用C#读取文件
- 如何在C#中加载自己编写的动态链接库（DLL）
- Managed DirectX 相关（DirectX.Capture Class Library && DirectShow.NET）
- XQuery Reference-from w3schools.com
- [译]Visual Basic 2005在语言上的增强（十三）显式的数组范围及小结
- lucene的首次应用
- [VBA]在后台删除工作表后出现的怪问题
- VB.NET 数据库查询 [SQL字符串的生成]
- JavaScript调用服务器事件
- 在Window2003上执行System.Diagnostics.Process.GetProcessesByName等方法失败的原因
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: 230 ::
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) 