原文見http://www.jb51.net/article/20575.htm
但在我這裡測試的時候，RegEx要快一倍左右。但是還是不太滿意，因為我們網站上髒字過濾用的相當多，對效率已經有了一些影響，經過一番思考後，自己做了一個算法。在自己的機器上測試了一下，使用原文中的髒字庫，0x19c的字符串長度，1000次循環，文本查找耗時1933.47ms，RegEx用了1216.719ms，而我的算法只用了244.125ms.
更新：新增一個BitArray，用於判斷某char是否在所有髒字中出現過。總時間由244ms降到了34ms.
主要算法如代碼所示
復制代碼 代碼如下:
private static Dictionary dic = new Dictionary();
private static BitArray fastcheck = new BitArray(char.MaxValue);
static void Prepare()
{
string[] badwords = // read from file
foreach (string word in badwords)
{
if (!dic.ContainsKey(word))
{
dic.Add(word, null);
maxlength = Math.Max(maxlength, word.Length);
fastcheck[word[0]] = true;
}
}
}
使用的時候
復制代碼 代碼如下:
int index = 0;
while (index < target.Length)
{
if (!fastcheck[target[index]])
{
while (index < target.Length - 1 && !fastcheck[target[++index]]) ;
}
for (int j = 0; j < Math.Min(maxlength, target.Length - index); j++)
{
string sub = target.Substring(index, j);
if (dic.ContainsKey(sub))
{
sb.Replace(sub, "***", index, j);
index += j;
break;
}
}
index++;
}
