首页 > 代码库 > 汉字转拼音 敏感词过滤 禁用词查找 提高程序效率另外一种思路:反向思维

汉字转拼音 敏感词过滤 禁用词查找 提高程序效率另外一种思路:反向思维

汉字转拼音

敏感词过滤

禁用词查找

这些很常用的互联网需求

大家出道时是怎么做的?

大家偷懒时是怎么做的?

常规算法 - 从数据库到用户提交内容去匹配:

  1. 把数据库中所有数据压到大数组中(这时数据越多,与数据库连接时间越长)
  2. 根据用户提交的内容对大数组进行foreach(这时数据越多,占有服务器内存越大)
  3. 根据上述结果,进行相应的返回、处理(这时数据越多,与数据库连接时间越长)

优点:

  1. 逻辑简单,实施方便,开发成本低,人算素质要求低

缺点:

  1. 程序效率低,数据库压力大,速度慢
  2. 有bug,比如数据库中禁用词是shop,但是用户提交的是bookshop,那么就会匹配到shop,形成bug

值此圣诞节来临之举,http://my.oschina.net/cart/向大家推荐一种新的反向思维解决思路:

新算法:用户提交数据分词算法 - 从用户提交内容到数据库去匹配

  • 1.根据用户提交的信息进行分词
function cutWord($str){
        $temp = array();
        $len = mb_strlen($str, ‘utf-8‘);
        
        for($i=0; $i<=$len; $i++){
            for($j=$len-$i; $j>0; $j--){
                $temp[] = mb_substr($str, $i, $j, ‘utf-8‘);
            }
        }
        
        return $temp;
}

$str = ‘管理员‘;
var_dump(cutWord($str));

分词后,我们得到以下数据,当然,上述算法是分割到最后一个词的

如果需要最低2个词的组合,因为1个字构不成实体意义,一般不会成为禁用词,那么可以限制最少2个字

太长的分词,比如已经超过5个字的词,是不会发生的,那么你也可以限制最多5个字

掌握的是思想、原理,算法可以灵活改动。

array(6) {
  [0]=>
  string(9) "管理员"
  [1]=>
  string(6) "管理"
  [2]=>
  string(3) "管"
  [3]=>
  string(6) "理员"
  [4]=>
  string(3) "理"
  [5]=>
  string(3) "员"
}



  • 2.根据上述分词结果,使用事务批量提交到Redis,或者查找到1个禁用词后,立即退出,提高效率
function isDisableWord($str){
    $redis = new \redis(你的IP, 你的端口);
	
	//$result = array();
	//$redis->multi();
    foreach($this->cutWord($str) as $v){
		//$result[] = $redis->SISMEMBER(‘nameList‘, $v);
        if($redis->SISMEMBER(‘nameList‘, $v)){
            return $v;
        }
    }
	//$redis->exec();
	//return $result;
    return false;
}



$name = trim(‘弗兰克鲁宾逊‘);
if(isDisableWord($name) === false){
    echo ‘1.OK!‘;
}else{
    echo ‘1.禁止词语是:‘;
    var_dump(isDisableWord($name));
}


优点:

1.事务提交(主键索引、无大数据占有内存),一次性数据库操作数据库压力小,运行速度快

缺点:

1.对开发人员素质要求较高









汉字转拼音 敏感词过滤 禁用词查找 提高程序效率另外一种思路:反向思维