前言
给大家推荐一款高性能敏感词检测开源库。
项目简介
这是一款基于.NET 开发的、高性能敏感词工具箱，支持繁简互换、全角半角互换，拼音模糊搜索等功能。功能强大、高性能，秒级检测亿级别的文章。.
技术架构
1、跨平台：采用.Net Core3.1开发，支持跨平台。
可以部署在Docker, Windows, Linux, Mac。
项目结构
使用方法
敏感词检测
过滤敏感词，可以设置跳字长度，默认全角转半角、忽略大小写、跳词、重复词、黑名单。返回结果包含：关键字、关键字起始位置、结束位置、关键字序号等信息。
string s = "中国|国人|zg人";
string test = "我是中国人";
StringSearch iwords = new StringSearch();
iwords.SetKeywords(s.Split('|'));
var b = iwords.ContainsAny(test);
Assert.AreEqual(true, b);
var f = iwords.FindFirst(test);
Assert.AreEqual("中国", f);
var all = iwords.FindAll(test);
Assert.AreEqual("中国", all[0]);
Assert.AreEqual("国人", all[1]);
Assert.AreEqual(2, all.Count);
var str = iwords.Replace(test, '*');
Assert.AreEqual("我是***", str);
敏感词通配符检测
支持正则表达式类型：.?[]|，通过正则表达式可以进行模糊匹配，提升检测精准度。
string s = ".[中美]国|国人|zg人";
string test = "我是中国人";
WordsMatch wordsSearch = new WordsMatch();
wordsSearch.SetKeywords(s.Split('|'));
var b = wordsSearch.ContainsAny(test);
Assert.AreEqual(true, b);
var f = wordsSearch.FindFirst(test);
Assert.AreEqual("是中国", f.Keyword);
var alls = wordsSearch.FindAll(test);
Assert.AreEqual("是中国", alls[0].Keyword);
Assert.AreEqual(".[中美]国", alls[0].MatchKeyword);
Assert.AreEqual(1, alls[0].Start);
Assert.AreEqual(3, alls[0].End);
Assert.AreEqual(0, alls[0].Index);//返回索引Index,默认从0开始
Assert.AreEqual("国人", alls[1].Keyword);
Assert.AreEqual(2, alls.Count);
var t = wordsSearch.Replace(test, '*');
Assert.AreEqual("我****", t);
拼音转换、繁简转换、数字转大小写操作
此工具箱，集成了繁体简体互转、拼音转换、首字母提取、数字转大小写，使用例子如下：
// 转成简体
WordsHelper.ToSimplifiedChinese("我愛中國");
WordsHelper.ToSimplifiedChinese("我愛中國",1);// 港澳繁体 转 简体
WordsHelper.ToSimplifiedChinese("我愛中國",2);// 台湾正体 转 简体
// 转成繁体
WordsHelper.ToTraditionalChinese("我爱中国");
WordsHelper.ToTraditionalChinese("我爱中国",1);// 简体 转 港澳繁体
WordsHelper.ToTraditionalChinese("我爱中国",2);// 简体 转 台湾正体
// 转成全角
WordsHelper.ToSBC("abcABC123");
// 转成半角
WordsHelper.ToDBC("ａｂｃＡＢＣ１２３");
// 数字转成中文大写
WordsHelper.ToChineseRMB(12345678901.12);
// 中文转成数字
WordsHelper.ToNumber("壹佰贰拾叁亿肆仟伍佰陆拾柒万捌仟玖佰零壹元壹角贰分");
// 获取全拼
WordsHelper.GetPinyin("我爱中国");//WoAiZhongGuo
WordsHelper.GetPinyin("我爱中国",",");//Wo,Ai,Zhong,Guo
WordsHelper.GetPinyin("我爱中国",true);//WǒÀiZhōngGuó
// 获取首字母
WordsHelper.GetFirstPinyin("我爱中国");//WAZG
// 获取全部拼音
WordsHelper.GetAllPinyin('传');//Chuan,Zhuan
// 获取姓名
WordsHelper.GetPinyinForName("单一一")//ShanYiYi
WordsHelper.GetPinyinForName("单一一",",")//Shan,Yi,Yi
WordsHelper.GetPinyinForName("单一一",true)//ShànYīYī
性能对比
下面我们用户1000字字符串，进行10万次性能对比，看看对比结果，测试代码如下：
ReadBadWord();
var text = File.ReadAllText("Talk.txt");
Console.Write("-------------------- FindFirst OR ContainsAny 100000次 --------------------
Run("TrieFilter", () => { tf1.HasBadWord(text); });
Run("FastFilter", () => { ff.HasBadWord(text); });
Run("StringSearch（ContainsAny）", () => { stringSearch.ContainsAny(text); });
Run("StringSearchEx（ContainsAny）--- WordsSearchEx（ContainsAny）代码相同", () => { stringSearchEx.ContainsAny(text); });
Run("StringSearchEx2（ContainsAny）--- WordsSearchEx2（ContainsAny）代码相同", () => { stringSearchEx2.ContainsAny(text); });
Run("StringSearchEx3（ContainsAny）--- WordsSearchEx3（ContainsAny）代码相同", () => { stringSearchEx3.ContainsAny(text); });
Run("IllegalWordsSearch（ContainsAny）", () => { illegalWordsSearch.ContainsAny(text); });
Run("StringSearch（FindFirst）", () => { stringSearch.FindFirst(text); });
Run("StringSearchEx（FindFirst）", () => { stringSearchEx.FindFirst(text); });
Run("StringSearchEx2（FindFirst）", () => { stringSearchEx2.FindFirst(text); });
Run("StringSearchEx3（FindFirst）", () => { stringSearchEx3.FindFirst(text); });
Run("WordsSearch（FindFirst）", () => { wordsSearch.FindFirst(text); });
Run("WordsSearchEx（FindFirst）", () => { wordsSearchEx.FindFirst(text); });
Run("WordsSearchEx2（FindFirst）", () => { wordsSearchEx2.FindFirst(text); });
Run("WordsSearchEx3（FindFirst）", () => { wordsSearchEx3.FindFirst(text); });
Run("IllegalWordsSearch（FindFirst）", () => { illegalWordsSearch.FindFirst(text); });
Console.Write("-------------------- Find All 100000次 --------------------
Run("TrieFilter（FindAll）", () => { tf1.FindAll(text); });
Run("FastFilter（FindAll）", () => { ff.FindAll(text); });
Run("StringSearch（FindAll）", () => { stringSearch.FindAll(text); });
Run("StringSearchEx（FindAll）", () => { stringSearchEx.FindAll(text); });
Run("StringSearchEx2（FindAll）", () => { stringSearchEx2.FindAll(text); });
Run("StringSearchEx3（FindAll）", () => { stringSearchEx3.FindAll(text); });
Run("WordsSearch（FindAll）", () => { wordsSearch.FindAll(text); });
Run("WordsSearchEx（FindAll）", () => { wordsSearchEx.FindAll(text); });
Run("WordsSearchEx2（FindAll）", () => { wordsSearchEx2.FindAll(text); });
Run("WordsSearchEx3（FindAll）", () => { wordsSearchEx3.FindAll(text); });
Run("IllegalWordsSearch（FindAll）", () => { illegalWordsSearch.FindAll(text); });
Console.Write("-------------------- Replace 100000次 --------------------
Run("TrieFilter（Replace）", () => { tf1.Replace(text); });
Run("FastFilter（Replace）", () => { ff.Replace(text); });
Run("StringSearch（Replace）", () => { stringSearch.Replace(text); });
Run("WordsSearch（Replace）", () => { wordsSearch.Replace(text); });
Run("StringSearchEx（Replace）--- WordsSearchEx（Replace）代码相同", () => { stringSearchEx.Replace(text); });
Run("StringSearchEx2（Replace）--- WordsSearchEx2（Replace）代码相同", () => { stringSearchEx2.Replace(text); });
Run("StringSearchEx3（Replace）--- WordsSearchEx3（Replace）代码相同", () => { stringSearchEx3.Replace(text); });
Run("IllegalWordsSearch（Replace）", () => { illegalWordsSearch.Replace(text); });
Console.Write("-------------------- Regex 100次 --------------------
Run(100, "Regex.IsMatch", () => { re.IsMatch(text); });
Run(100, "Regex.Match", () => { re.Match(text); });
Run(100, "Regex.Matches", () => { re.Matches(text); });
Console.Write("-------------------- Regex used Trie tree 100次 --------------------
Run(100, "Regex.IsMatch", () => { re2.IsMatch(text); });
Run(100, "Regex.Match", () => { re2.Match(text); });
Run(100, "Regex.Matches", () => { re2.Matches(text); });
执行10万次性能对比，结果如下：
从测试结果看，此工具比C#自带的正则效率高8.8倍，如果数量量越大性能优势越明显。
GitHub: https://github.com/toolgood/ToolGood.Words
