C# 撒列實現關鍵字過濾的實例

2020-01-24 03:24:03

字體：大中小

來源：轉載

供稿：網友

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，并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）：

"看云風博客關于解決12306并發問題的啟發：我現在做駿卡接口，可能出現并發問題，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：

復制代碼代碼如下:

class Program
    {
        static void Main(string[] args)
        {
            string keys = "云風博客|并發問題|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 = "看云風博客關于解決12306并發問題的啟發：我現在做駿卡接口，可能出現并發問題，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

復制代碼代碼如下:

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：

復制代碼代碼如下:

      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