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：

Code
private WordGroup[] _wordTable;

public FilterResult Filter(ref string source,char replaceChar)
{
    //NOTE:: 
    //  如果方法返回  FilterResult.Replace或者FilterResult.Banned，則原字符串的某些字會被替代為星號，替代后的字符串可以由source取得

    if (String.IsNullOrEmpty(source)) return FilterResult.Pass;

    FilterResult result = FilterResult.Pass;
    char[] tempString = null;

    int start = 0;
    for (; start < source.Length; start++)
    {
        WordGroup fw = _wordTable[fastToLower(source[start])];
        if (fw != null)
        {
            for (int idx = 0; idx < fw.Count; idx++)
            {
                WordEntity we = fw.GetItem(idx);
                int matchLength=0;
                if (we.Word.Length==0 || checkString(source, we.Word, start + 1, out matchLength))
                {
                    FilterResult fr = we.HandleType;
                    if (fr > result) result = fr; //記錄最高級別的處理方法
                    if (fr == FilterResult.Replace || fr == FilterResult.Banned)
                    {
                        //替換關鍵字
                        if(tempString==null) tempString =source.ToCharArray();;
                        for (int pos = 0; pos < matchLength + 1; pos++)
                        {
                            tempString[pos + start] = replaceChar;
                        }
                    }
                }
            }
        }
    }

    if (result > FilterResult.RecordOnly)
    {
        source = new string(tempString);
    }

    return result;
}

private bool checkString(string source, string keyword, int sourceStart, out int matchLength)
{
    bool found = false;
    int sourceOffset = 0;
    int keyIndex = 0;
    for (; keyIndex < keyword.Length; keyIndex++)
    {
        if (sourceOffset + sourceStart >= source.Length) break; //原始字符串已經全部搜索完畢

        if (keyword[keyIndex] == '*')
        {
            //跳過可忽略的字符
            while (sourceOffset + sourceStart < source.Length)
            {
                if (isIgnorableCharacter_CN(source[sourceOffset + sourceStart]))
                    sourceOffset++;
                else
                    break;
            }
        }
        else
        {
            //比較字母
            if (fastToLower(source[sourceOffset + sourceStart]) == (int)keyword[keyIndex])
            {
                if (keyIndex == keyword.Length - 1)
                {
                    found = true;
                    break;
                }
            }
            else
            {
                break;
            }

            sourceOffset++;//移動原始字符串
        }
    }

    //如果匹配中關鍵字，則返回原字符串中被匹配中的文字的長度，否則返回0
    matchLength = sourceOffset + 1;
    return found;
}

private int fastToLower(char character)
{
    //將大寫英文字母以及全/半角的英文字母轉化為小寫字母
    int charVal = (int)character;
    if (charVal <= 90)
    {
        if (charVal >= 65) //字母A-Z
            return charVal - 65 + 97;
    }
    else if (charVal >= 65313)
    {
        if (charVal <= 65338)
            return charVal - 65313 + 97; //全角大寫A-Z
        else if (charVal >= 65345 && charVal <= 65370)
            return charVal - 65345 + 97; //全角小寫a-z
    }
    return charVal;
}

private bool isIgnorableCharacter_CN(char character)
{
    //NOTE::
    //  中文表意字符的范圍 4E00-9FA5
    int charVal = (int)character;
    return !(charVal >= 0x4e00 && charVal <= 0x9fa5);
}

// 單個過濾詞條目
class WordEntity
{
    public string Word { get; set; }
    public FilterResult HandleType { get; set; }
}

// 過濾詞的組
class WordGroup
{
    //NOTE::用于裝載一組具有同一個字開頭的過濾詞

    private List<WordEntity> _words;

    public WordGroup()
    {
        _words = new List<WordEntity>();
    }

    public void AppendWord(string word, FilterResult handleType)
    {
        AppendWord(new WordEntity() { Word = word, HandleType = handleType });
    }

    public void AppendWord(WordEntity word)
    {
        _words.Add(word);
    }

    public int Count
    {
        get { return _words.Count; }
    }

    public WordEntity GetItem(int index)
    {
        return _words[index];
    }
}

完整的源代碼可以在這里下載：

http://www.uushare.com/user/csprogram/file/1132054

源代碼可能會有bug或者效率低的地方，望感興趣的朋友請幫忙補充和改進一下。