一直對搜索、過濾很好奇，覺得他們很有技術含量，只有非常NB的人才能做。很想知道他們的原理，實現這樣的功能，設計是不是必須得非常NB非常奇特，代碼是不是要寫得非常好，性能非常高。總之這一切都不是我這樣級別的人能做的。直到我看了《編程珠璣(第二版)》中的這么一段文字：
“假定我們可以在執行搜索之前對文本內容進行預處理，那么我們可以建立一個撒列表（或者搜索樹），為文檔中的每個不同的單詞建立索引，並為每個單詞的每次出現存儲一個鏈表，這樣的逆向索引使得程序可以很快的找到給定的單詞，為了查找短語，我們可以對其中包含的每個單詞的鏈表進行交叉，但實現起來比較復雜，速度可能會很慢。（不過一些網頁搜索引擎用的就是這樣的方法）”
思路就這么簡單，我靠！連有的搜索引擎也用這種思路。這種撒列的方式處理關鍵字過濾速度的確是蠻快，10000個字組織成一個撒列表也就幾毫秒，只要你預分配的內存較好，基本上沒什么操作，就是向內存中填數據。在撒列表中判斷一個鍵是否存在的時間復雜度為O(1),其實還可以自己重寫Dictionary<TKey, TValue>，關鍵字過濾的效率可能會更好點。
實現的思路比較簡單：
1：處理關鍵字，生成一個關鍵字字典表
2：處理要過濾的文本，同樣生成一個字典表
3：將文本，兩個字典表三者進行比對
現在來測試下面一段文字（我上篇博客中的一段文字）：
"看雲風博客關於解決12306並發問題的啟發：我現在做駿卡接口，可能出現並發問題，就是一個訂單可能向我們的接口發送多個請求，而我現在做的方法是去數據庫中對應的表驗證，看訂單是否存在，如果存在就提示一下，如果不存在按流程走，但是這個樣每來一個訂單我都需要去數據庫查，如果我在內存中維護一個訂單集合，這樣就能很快解決判斷訂單是否存在的問題，慣性思維太嚴重了，什么都去數據庫查，這樣的性能是最差的，其實很多問題在內存中就可以搞定的，最近還有一個特別感受，不要做井底之蛙，多看牛人的東西收獲真的比自己埋頭寫代碼進步快很多，其實很多時候我寫的程序性能差，效率低都是因為方法的原因，沒有找到好的方法，沒有靈光一閃的感覺，用了最爛的方法解決問題"
測試代碼：
class Program
{
static void Main(string[] args)
{
string keys = "雲風博客|並發問題|最爛的方法|內存|集合|數據庫|性能";
using (new OperationTimer("keyWords:"))
{
WordSearch ws = new WordSearch(keys);
string str = "看雲風博客關於解決12306並發問題的啟發：我現在做駿卡接口，可能出現並發問題，就是一個訂單可能向我們的接口發送多個請求，而我現在做的方法是去數據庫中對應的表驗證，看訂單是否存在，如果存在就提示一下，如果不存在按流程走，但是這個樣每來一個訂單我都需要去數據庫查，如果我在內存中維護一個訂單集合，這樣就能很快解決判斷訂單是否存在的問題，慣性思維太嚴重了，什么都去數據庫查，這樣的性能是最差的，其實很多問題在內存中就可以搞定的，最近還有一個特別感受，不要做井底之蛙，多看牛人的東西收獲真的比自己埋頭寫代碼進步快很多，其實很多時候我寫的程序性能差，效率低都是因為方法的原因，沒有找到好的方法，沒有靈光一閃的感覺，用了最爛的方法解決問題";
ConsoleColor color = Console.ForegroundColor;
Console.ForegroundColor = ConsoleColor.Red;
Console.WriteLine("原文：");
Console.ForegroundColor = color;
Console.WriteLine(str);
Console.WriteLine();
Console.ForegroundColor = ConsoleColor.Red;
Console.WriteLine("過濾后：");
Console.ForegroundColor = color;
Console.WriteLine(ws.Filter(str));
}
Console.Read();
}
}
輸出結果截圖：
另外送上一個簡單實用的代碼運行時間測試類，測試某段代碼的運行時間可是很方便的哦
using System;
using System.Diagnostics;
namespace WordFilter
{
/// <summary>
/// 測試代碼運行時間幫組類
/// </summary>
public class OperationTimer : IDisposable
{
private string Text;
private Int32 collectCount;
private Stopwatch stopWatch;
public OperationTimer(string txt)
{
PerpareForOperation();
this.Text = txt;
collectCount = GC.CollectionCount(0);
stopWatch = new Stopwatch();
stopWatch.Start();
}
public void Dispose()
{
stopWatch.Stop();
Console.WriteLine("{0} Milliseconds (GCs={1}) {2}", stopWatch.ElapsedMilliseconds, GC.CollectionCount(0) - collectCount, Text);
}
private static void PerpareForOperation()
{
GC.Collect();
GC.WaitForPendingFinalizers();
GC.Collect();
}
}
}
實現撒列的部分核心代碼：
public Dictionary<char, IList<char>> HandleKeyWords(IEnumerable<string> text, int size)
{
Dictionary<char, IList<char>> dicList = new Dictionary<char, IList<char>>(size);//預分配非常關鍵
int len, i;
foreach (string s in text)
{
if (s == string.Empty)
{
continue;
}
len = s.Length - 1;
for (i = 0; i < len; i++)
{
if (dicList.ContainsKey(s[i]))
{
if (dicList[s[i]] != null && !dicList[s[i]].Contains(s[i + 1]))
{
dicList[s[i]].Add(s[i + 1]);
}
}
else
{
dicList.Add(s[i], new List<char>(2) { s[i + 1] });
}
}
if (!dicList.ContainsKey(s[len]))
{
dicList.Add(s[len], null);
}
}
return dicList;
}
我也想貼出全部代碼，但是還有一些BUG，功能還有待完善，完善一些了會貼出源碼的，在截一張圖給大家看看
關鍵字過濾，希望能過濾掉大家不想聽的，陳太漢祝大家新年快樂
作者：陳太漢