原文转载:http://www.tanjp.com (即时修正和更新)
屏蔽词、模糊检索实现—字典树的应用
名词简述
屏蔽词,就是预先给定一些词汇,在整个产品中都不能有这些词汇出现,譬如文字聊天,用户名,帮派名等等,反正所有涉及到文字输入的地方都需要过滤这些屏蔽词。在项目中,屏蔽词功能基本上是必须的,要不然上线都没法通过版署的审核。
模糊检索,其实这是一大块专业领域,涉及面很广。其实,在实际游戏项目中也用不上这么负责的搜索。这里只是实现指定前缀,模糊检索包含此前缀的文本列表。
字典树,是一种用于快速检索的多叉树结构。
(1)根节点不包含字符,除根节点意外每个节点只包含一个字符。
(2)从根节点到某一个节点,路径上经过的字符连接起来,为该节点对应的字符串。
(3)每个节点的所有子节点包含的字符串不相同。
思路
从上图字典树的数据结构来看,是很好解决屏蔽词和模糊检索的问题。只是可能在实现上需要预先通过给定的词汇建立一颗字典树,而且为了兼容各种文本编码,需要把文本拆分为最小单元——字节,来进行字典树的建立。也就是说每个字典树节点的子节点都是一个大小为2的8(一个字节8位)次方等于256的字节数组。在实际应用中,建立一个这样的字典树结构是比较耗费内存的,但是匹配的时间复杂度几乎达到最小,是比较典型的通过空间换取时间性能的例子。
代码
字典树:
#define FFTN_CHILDREN_LIMIT 256
class FFTrieNode {
private:
// 此节点的值
unsigned char mn_value;
//子节点数
uint32 mn_child_count;
// 记录此处是否构成一个完整词
bool mb_complete;
// 指向下一个节点的数组
FFTrieNode *mp_children[FFTN_CHILDREN_LIMIT];
public:
FFTrieNode(char pn_value)
: mn_value(pn_value)
, mn_child_count(0)
, mb_complete(false) {
for (int i = 0; i < FFTN_CHILDREN_LIMIT; ++i)
mp_children[i] = 0;
}
virtual ~FFTrieNode(){
for(int i = 0; i < FFTN_CHILDREN_LIMIT; ++i)
{
if(mp_children[i] != 0)
delete mp_children[i];
}
}
FFTrieNode *get(unsigned char pn_index) const {
if(pn_index >= FFTN_CHILDREN_LIMIT && pn_index < 0)
return 0;
return mp_children[pn_index];
}