今天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。

推荐基于.NetCore一款高性能敏感词检测开源库