java使用ac算法實現關鍵詞高亮

需求背景

標記出一句話中所有關鍵詞
inpu:我想買蘋果手機，請問哪里可以買蘋果手機
keyword:"蘋果", "蘋果手機", "哪里"
result:我想買[[蘋果手機]]，請問[[哪里]]可以買[[蘋果手機]]
10w條耗時：41ms

難點：需要考慮單詞重疊問題（overlap），例如“蘋果手機”同時包含兩個關鍵詞，只標記一次。

思路

1. 通過ac自動機遍歷得到所有關鍵詞；
2. 新建一個byte[]，長度等於原句子，根據ac算法結果將關鍵字位置設為1；
3. 將原句子轉為char[]，遍歷char[]和byte[]，如果byte[]前后位置不一致，則插入替換符；
   3.1 如果前一個為1，后一個為0，則插入“]]”；
   3.2 如果前一個為0，后一個為1，則插入“[[”；
4. 判斷末尾是否插入替換符；

代碼

pom文件引入hanlp，使用其中ac算法

<dependency>
    <groupId>com.hankcs</groupId>
    <artifactId>hanlp</artifactId>
    <version>portable-1.7.8</version>
</dependency>

package com.bincoder.StringUtils;

import com.hankcs.hanlp.collection.AhoCorasick.AhoCorasickDoubleArrayTrie;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
import java.util.TreeMap;

public class KeywordMatch {

    /**
     * 構建ac自動機
     */
    public static AhoCorasickDoubleArrayTrie<String> buildAcdt(List<String> keywords){
        AhoCorasickDoubleArrayTrie<String> acdt = new AhoCorasickDoubleArrayTrie<>();
        TreeMap<String, String> map = new TreeMap<>();
        for(String keyword : keywords){
            map.put(keyword, keyword);
        }
        acdt.build(map);
        return acdt;
    }

    public static String highLight(String originText, AhoCorasickDoubleArrayTrie<String> acdt){
        List<int[]> hitLocationList = new ArrayList<>();
        // ac算法匹配關鍵詞
        acdt.parseText(originText, (begin, end, value)->{
           int[] indexPair = new int[2];
           indexPair[0] = begin;
           indexPair[1] = end-1;
           hitLocationList.add(indexPair);
        });
        // 構建bitmap
        byte[] posStatus = new byte[originText.length()];
        for(int[] item : hitLocationList){
            posStatus[item[0]] = 1;
            for(int i=item[0]; i<=item[1]; i++){
                posStatus[i] = 1;
            }
        }
        // 字符串拼接
        int lastStatus = 0;
        char[] charArray = originText.toCharArray();
        StringBuilder stringBuilder = new StringBuilder();
        for(int i=0; i<posStatus.length; i++){
            if(posStatus[i] == lastStatus){
                stringBuilder.append(charArray[i]);
            }else if(0 == lastStatus){
                stringBuilder.append("[[").append(charArray[i]);
                lastStatus = 1;
            }else if(1 == lastStatus){
                stringBuilder.append("]]").append(charArray[i]);
                lastStatus = 0;
            }
            if(i == posStatus.length-1 && 1 == lastStatus){
                stringBuilder.append("]]");
            }
        }

        return stringBuilder.toString();
    }

    public static void main(String[] args) {
        String text = "我想買蘋果手機，請問哪里可以買蘋果手機";
        List<String> keywords = Arrays.asList("蘋果", "蘋果手機", "哪里");

        AhoCorasickDoubleArrayTrie<String> acdt = KeywordMatch.buildAcdt(keywords);
        String result = KeywordMatch.highLight(text, acdt);
        System.out.println("inpu:" + text);
        System.out.println("result:" + result);

        long start = System.currentTimeMillis();
        for(int i=0; i<100000; i++){
            result = KeywordMatch.highLight(text, acdt);
        }
        long end = System.currentTimeMillis();
        long total = end - start;
        System.out.println("耗時:" + total + "ms");

    }

}