NET脏字过滤算法(转)

感谢sumtech的回复和讨论，原本的效率已经足够网站实用了，虽然也想到一些改进方法，但是一直懒得去做。sumtech通过邮件跟我讨论，我也终于抽了时间做了改进，改进后的算法效率比原先的算法提高了400%，也就是仅需要原来的1/5时间。

算法关键是将两个BitArray合并成了byte[char.MaxValue]，其中7个bit用来判断前7个字符，另一个bit判断其他字符。并且增加了minWordLength和charCheck，用来过滤过短的判断，以及仅有一个字符时的快速判断。

public class BadWordsFilter
{
    private HashSet<string> hash = new HashSet<string>();
    private byte[] fastCheck = new byte[char.MaxValue];
    private byte[] fastLength = new byte[char.MaxValue];
    private BitArray charCheck = new BitArray(char.MaxValue);
    private BitArray endCheck = new BitArray(char.MaxValue);
    private int maxWordLength = 0;
    private int minWordLength = int.MaxValue;

    public BadWordsFilter()
    {

    }

    public void Init(string[] badwords)
    {
        foreach (string word in badwords)
        {
            maxWordLength = Math.Max(maxWordLength, word.Length);
            minWordLength = Math.Min(minWordLength, word.Length);

            for (int i = 0; i < 7 && i < word.Length; i++)
            {
                fastCheck[word[i]] |= (byte)(1 << i);
            }

            for (int i = 7; i < word.Length; i++)
            {
                fastCheck[word[i]] |= 0x80;
            }

            if (word.Length == 1)
            {
                charCheck[word[0]] = true;
            }
            else
            {
                fastLength[word[0]] |= (byte)(1 << (Math.Min(7, word.Length - 2)));
                endCheck[word[word.Length - 1]] = true;

                hash.Add(word);
            }
        }
    }

    public string Filter(string text, string mask)
    {
        throw new NotImplementedException();
    }

    public bool HasBadWord(string text)
    {
        int index = 0;

        while (index < text.Length)
        {
            int count = 1;

            if (index > 0 || (fastCheck[text[index]] & 1) == 0)
            {
                while (index < text.Length - 1 && (fastCheck[text[++index]] & 1) == 0) ;
            }

            char begin = text[index];

            if (minWordLength == 1 && charCheck[begin])
            {
                return true;
            }

            for (int j = 1; j <= Math.Min(maxWordLength, text.Length - index - 1); j++)
            {
                char current = text[index + j];

                if ((fastCheck[current] & 1) == 0)
                {
                    ++count;
                }

                if ((fastCheck[current] & (1 << Math.Min(j, 7))) == 0)
                {
                    break;
                }

                if (j + 1 >= minWordLength)
                {
                    if ((fastLength[begin] & (1 << Math.Min(j - 1, 7))) > 0 && endCheck[current])
                    {
                        string sub = text.Substring(index, j + 1);

                        if (hash.Contains(sub))
                        {
                            return true;
                        }
                    }
                }
            }

            index += count;
        }

        return false;
    }
}