屏蔽敏感词汇&KMP

来源：互联网发布：布加迪chiron尺寸数据编辑：程序博客网时间：2024/05/09 00:38

在互联网上，由于一些政策法规，需要对一些帖子或者聊天记录进行关键字屏蔽，本文使用KMP模式匹配算法，将目标串S中的敏感词汇全部替换成*。

实际应用中需要一个屏蔽词库，需将每个屏蔽词条作为模式串T，分别过滤一次S串。

考虑到屏蔽词库中有相同前缀的屏蔽词，比如：“朱令”和“朱令案”，所以可以预先将屏蔽词库中的屏蔽词按照长度做由大到小的排序。先过滤长词，再过滤短词即可。

int getNext(char* s, int next[]) {    next[0] = -1;    int i = -1;    int j = 0;    while (j < strlen(s)) {        if (i == -1 || s[i] == s[j]) {            i++;            j++;            next[j] = i;        } else {            i = next[i];        }    }    return 0;}int kmp(char* str, char* t, int next[]) {    int j = 0;    int i = 0;    while (str[i] != '\0' && t[j] != '\0' && strlen(str) - i >= strlen(t) - j) {        if (str[i] == t[j]) {            i++;            j++;        } else {            j = next[j];            if (j == -1) {                i++;                j++;            }        }        if (t[j] == '\0') {            i = i - j;            return i;        }    }    return -1;}int fillStar(char* p, int len) {    int i = 0;    while (i < len) {        p[i] = '*';        i++;    }    return 0;}int filter(char* s, char* t) {    int len = strlen(t);    int next[LEN];    getNext(t, next);    char* p = s;    while (p != '\0') {        int loc = kmp(p, t, next);        if (loc >= 0) {            fillStar(p + loc, len);            p = (p + loc + len);        } else {            return 0;        }    }}

转载自http://blog.csdn.net/li4951/article/details/8962056