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

如果是关系型数据库，如Mysql，分词后可以拼接SQL语句形如(word字段建立了唯一索引)：

where word LIKE '管' OR word LIKE '理' OR word LIKE '管理' OR ..... LIMIT 0,1;

1句基于索引且找到就停止了（LIMIT 0,1）的SQL就搞定！效率也是杠杠的！

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