FastScan 介绍
苦于没有找到 一个 比较合适的敏感词过滤库，所以我自己花了点时间撸了 一个 。 它基于广为人知的 ahocorasick 字符串匹配算法，使用原生的 js 实现，浏览器和服务端都可以使用。
安装 方法
# 安装到当前项目
npm install --save fastscan
使用 方法
import FastScanner from fastscanvar words = ["今日头条"，"微信","支付宝"]var scanner = new FastScanner(words)var content = "今日头条 小程序 终于来了，这是继微信、支付宝、 百度 后，第四个推出 小程序 功能 的App。猫眼电影率先试水，出现在今日头条。"var offWords = scanner.search(content)console.log(offWords)var hits = scanner.hits(content)console.log(hits)-------------[ [ 0,'今日头条' ],[ 15,'微信' ],[ 18,'支付宝' ],[ 53,'今日头条' ] ]{ '今日头条': 2,'微信': 1,'支付宝': 1 }API
查询 匹配的词汇以及所在字符串的位置 search(content,option={})
查询 匹配词汇的命中 数量 hits(content,options={})
临时动态 增加 词汇，不修正其它词汇的回溯指针 add(word)
options = {quick: false,longest: false}
quick 选项表示 快速 模式，匹配到 一个 就立即返回
longest 表示最长模式，同 一个 位置出现多个词汇(中国、中国人)，选择最长的 一个 (中国人)
默 认匹配出所有的词汇，同 一个 位置可能会出现多个词汇
性能
项目 代码 使用原生的 js 实现，我开始非常担心词汇树的构建速度会不会太慢。经测试后发现虽然 性能 不算太快，不过也不是太差，对于绝大多数项目来说已经绰绰有余了。我分别测试了构造 20000～100000 个词汇的树结构，每个词汇 随机 在 10～20之间，耗时情况如下
单词数
耗时
20000 words
385ms
40000 words
654ms
60000 words
1108ms
80000 words
1273ms
100000 words
1659ms
如果你的词汇比较短小，构建树的速度还会更快。
查询 性能 我并不担心，因为 ahocorasick 算法在词汇长度较短的情况下复杂度是 O(n)， 性能 和被过滤 内容 的长度呈线性变化。下面我使用 100000 词汇量构建的树分别对 20000 ～ 100000字的 内容 进行了过滤，耗时情况如下
字数
耗时
20000 words
14ms
40000 words
32ms
60000 words
67ms
80000 words
71ms
100000 words
84ms
fastscan 可以做到以迅雷不及掩耳的速度扫遍一幅 10w 字的长文，10w 大概就是一部中篇小说的长度了。如果你要扫百万字的长篇小说，那还是建议你分章分节来扫吧。
内存占用也是需要考虑的点，内存对于 Node 程序来说本来就非常有限，如果因为敏感词树占据了太大的内存那是非常要不得的大问题。所以我也对内存占用进行了测试，下面是测试的结果
词汇数
内存占用
0 words
14M
20000 words
81M
40000 words
135M
60000 words
184M
80000 words
234M
100000 words
277M
词汇量不是太大的话，这样的内存占用还是可以接受的。如果你对内存占用不满意，那就只能使用 Node 的 C 语言扩展来打造更高 性能 的库了，考虑到成本问题，恕我目前无能为力。?
网站地址 : https://pyloque.github.com/fastscan
GitHub: https://github.com/pyloque/fastscan
网站描述: 用于敏感词过滤的 ahocorasick 算法 快速 文本 搜索 JS实现
FastScan官方网站
官方网站： https://pyloque.github.com/fastscan
如果觉得 网站内容还不错，欢迎将 网站 推荐给程序员好友。