我目前正在开发一个网络表单，允许用户发布要在某种媒体上处理的邮件。由于我们必须验证输入并将其与给定的坏词列表进行解析，因此我开始选择许多选项。但是当列表到达并且持有大约15,000个单词来匹配时，我想知道如何处理这些最有效的方法。也许你可以帮助我！
基本上这可以是一个后端过滤器，但javascript中的额外前端批准将被赞赏（万一，可能是对后端的异步ajax请求？）。该表单将在高流量环境中使用，提交后的任何异步检查都可以省略，因为我们需要即时反馈给用户，并且不想只审查他们的输入。
我们使用PHP 5.4.0，附加了MySQL 5.5 InnoDB，并且不想使用任何第三方项目，因为它们主要带有某种超载IMHO。
答案 0 :(得分：1)
正如我的评论中所提到的，这个question对使用什么软件有一些建议。
但实际上15000并不是那么多 - 每个单词5个字符的平均值低于100 kB的数据。如果要求不使用任何其他软件，那么您可以使用一些简单的方法进行较少的比较。
首先将您的badwords字典划分为相同字长的列表（因此，不是将每个字与所有可能的坏字进行比较，而是将它与具有相同长度的字进行比较）。
然后你有两种可能性，你必须对哪一种更快进行基准测试：
使用此功能，您可以将比较次数减少到最少，但您仍需要执行大量的比较。
注意：这种方法适用于简单的单词。如果您的badwords字典也包含短语（更多单词之间有空格），您可以使用专门的软件或以相反的方式进行比较（对于每个badword短语，尝试在整个提交的帖子中找到它）。
另一个问题是，如果你真的需要检查所有15000个坏词，以及你的帖子中的潜在频率是否值得计算。此外，我想对于这样的高流量网站，你已经有了某种节制，可以捕获所有未被系统捕获的帖子（并且垃圾邮件可能比那些带有坏词的帖子更常见）。
答案 1 :(得分：0)
对PHP脚本的异步HTTP请求对我来说最有意义，实际上唯一有意义的事情。无需提交或刷新。