游戏服务端之屏蔽字检测

一、问题提出

游戏中经常需要检测玩家的昵称或者聊天内容是否包含敏感词组。

一般来说，检测的算法都是直接利用正则表达式进行全字匹配。抛开正则效率差强人意来说，正则算法无法处理拆字情况。举个例子来说，假设"马克思"是一个敏感字，玩家直接输入”马克思“肯定会被检测出来，但假设玩家输入的是”马1克2思3“，这种在敏感字中间随意穿插其他文字，正则则无能为力了。除非对每一个敏感字，都建立类似”马*克*思“之类的正则表达式，这样下来效率就更加低下了。

因此，本文将设计另外一种算法，争取以较高的速度完成屏蔽字检测。

二、算法思路

1.读取敏感字词库，将每一个敏感字的第一个字母保存到hash结构的key，若遇到同一个起始文字有多个相关的敏感字，则将这类敏感字保存在一个list集合，数据结构为Map<Character,List<String>>

2.遍历待测试的文字内容，若当前字符在敏感字索引找得到，则取当前字符以及随后的若干文字组成检测单元。若检测单元包含敏感词组的全部内容，则表示发现敏感文字。

这里有一个问题，就是需要确定当前索引字符组合其后的多少文字构成检测单元。总不能一篇800字的文章，前两个字是”马克“，最后一个文字是”思“，就说这篇文字包含敏感字”马克思“吧  ==。 ==

三、代码实现

3.1.DirtyWordsReader.java

敏感词库读取器，用于读取包含敏感词组的文本

public enum DirtyWordsReade