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
- Visual Studio.Net 内幕(7)
- .Net 2.0 原汁原味读取注册表
- ASP.NET 2.0中预设的cookie
- ASP.NET：一段比较经典的多线程学习代码
- ASP.NET2.0服务器控件之自定义状态管理
- Asp.net给站点某目录增加Aspnet用户
- ASP.NET技巧：请求网址并解析返回的html
- 在Asp.net用C#建立动态Excel
- ASP.NET2.0:页面中链入的CSS、js文件带中文时需注意
- ASP.NET技巧：数据岛出到Excel最为简易的方法
- 第一次用.net2.0 LOGIN登陆控件的困惑和解决方法
- 在ASP.net中保存/取出图片入/从SQL数据库
- ASP.NET技巧：做个DataList可分页的数据源
- 在.NET中利用委托实现窗体间通信
- 在.NET2.0中使用自定义事务操作
- 解决 ASP.NET中目录访问权限的问题
- ASP.Net防止刷新自动触发事件的解决方案
- 白刃之战：PHP vs. ASP.NET（节选）－架构比较
- C#中使用SendMessage
- 提取HTML代码中文字的C#函数
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: 180 ::
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) 