早上看到老趙的《一個較完整的關鍵字過濾解決方案（上）》文章，講到怎樣在項目中嵌入過濾方案的問題，以及提到 xingd 和 sumtec 兩位大師發表的系列互拼的文章，在此我也忍不住談談自己遇到的問題以及一個的簡化版的算法。

因為過濾關鍵字機制到處可見，于是聰明的網友就會想到各種各樣的方法突破，例如：

1、中文會用繁體字的方法避開關鍵字掃描
2、在關鍵字中間插入無意思的特殊字符，例如 * & # @ 等，而且個數可變
3、使用諧音或拆字法變換關鍵字

在實現自己的算法時也有些問題：

4、隨著時間推移，關鍵字列表會越來越大，有些論壇常用的正則表達式N次掃描的方法顯得效率很低。
5、關鍵字有不同的嚴重級別，有些需要禁止，有些只需要替換，還有一些可能記錄一下即可。

針對這些問題，可采用的應對方法：

1、加載關鍵字列表時，將所有的關鍵字轉換成繁體字一份，以掃描繁體版的關鍵字；
這個轉換工作只需一句就可以實現了：
s=Microsoft.VisualBasic.Strings.StrConv(word, Microsoft.VisualBasic.VbStrConv.TraditionalChinese, 0);

2、在掃描原文本時，如果遇到關鍵字的首個文字，忽略其后的特殊字符，直到下一個有意義的文字為止，當然這里需要在定義關鍵字列表時指定哪些才需要這樣掃描，并不是所有關鍵字都采用這種方式；
例如有關鍵字 “你好”經常會被人輸入成“你x好”或者“你xxxxx好”，那么在關鍵字列表里就需要定義成“你*好”，在匹配關鍵字時，如果遇到星號就忽略原文本下一個為特殊的字符。

3、遇到諧音和拆字時，沒什么好辦法了，只好將這些諧音詞和拆分詞也加入到關鍵字列表。

4、不用正則表達式或者 String.IndexOf方法，可以將所有關鍵字的首字相同的組成一個一個小組，然后在將首字放到一個散列表（HashTable/Dictionary），在掃描原文本時先在散列表里掃描，如果碰到了首字再掃描同組的關鍵字，這樣簡單處理一下效率可以提高很多。

還有一個比用散列表更好的方法，將散列表改成一個大小為char.MaxValue的數組，然后將首個文字轉成int，即char->int，然后將關鍵詞集合放到相應下標里。這樣在掃描原文本時，將被掃描的字符轉成int，然后試探數組相應下標的元素是否不為NULL。這樣比用散列表會更快一些。

5、在定義關鍵字時，同時給一個“級別”屬性，例如使用 E,R,B分別表示只記錄、替換、禁止等情況。
于是關鍵字的列表如下所示：
你滾 E
他niang的 R
成*人*網*站 B

這里貼一下關鍵的部分代碼：

NET技術：一個簡單的關鍵字過濾算法，轉載需保留來源！

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。