敏感词过滤应该是许多后端同事经常会遇到的需求，无论是评论、弹幕、文章，都需要做敏感词过滤处理来规避风险。在前端开发中，使用replace函数来替换字符串是我们的常规操作，在这之前我思考过如果用JavaScript来实现敏感词过滤该怎么做。在学习过程中，接触到了Trie树，瞬间有一种拨开云雾见青天的感觉。

所以，我这里算法使用的是AC（Aho–Corasick）自动机算法、设计模式使用单例模式。会简单的对方案进行阐述，主要是代码实现，需要注意的是，在这里将采用TypeScript编写。同时代码也上传至GitHub，点击此处查看本文完整代码。文章较长，建议先马后看。

Aho–Corasick算法是由Alfred V. Aho和Margaret J.Corasick 发明的字符串搜索算法，用于在输入的一串字符串中匹配有限组“字典”中的子串。它与普通字符串匹配的不同点在于同时与所有字典串进行匹配。算法均摊情况下具有近似于线性的时间复杂度，约为字符串的长度加所有匹配的数量。

在正式进入到AC自动机算法之前，我们需要先了解Trie树。

Trie树（字典树）

在维基百科中，Trie 树的解释是这样的：

在计算机科学中，trie，又称前缀树或字典樹，是一种有序树，用于保存关联数组，其中的键通常是字符串。 与二叉查找树不同，键不是直接保存在节点中，而是由节点在树中的位置决定。 一个节点的所有子孙都有相同的前缀，也就是这个节点对应的字符串，而根节点对应空字符串。

构建Trie树

Trie树应用十分常见，例如搜索提示。如当输入一个网址，可以自动搜索出可能的选择。当没有完全匹配的搜索结果，可以返回前缀最相似的可能，当然我们这里不做过多的讨论。

上图是一个保存了8个键的trie结构，"A", "to", "tea", "ted", "ten", "i", "in", and "inn"。

但这种描述可能不太清晰，我们举一个例子：

有这么一个过滤规则，以下词组都要被过滤：['atd', 'aq', 'bs', 'bsc', 'qf']，需要被过滤的字符串是：acatdaabsc。那么首先我们需要构建一个Trie树，下图就是基于上述关键词构建的Trie树：

与我们熟悉的二叉树不同的是，这里的根节点ROOT没有包含任何数据，子节点也没有数量的限制，其每一个分支都代表着一个完整的字符串。

如果我们向上述过滤词中再加入一个“atp”，那么Trie树就会构建成这样：

那么我们也可以看到“atd”与“atp”拥有公共前缀“at”。当然，如果我们仔细看上面的过滤词组，会发现我们过滤了“bs”与“bsc”，那么他们的公共前缀就是bs，但与“atd”、“atp”不同的是，过滤词组中并没有“at”，那么这种情况我们应该怎么处理呢？

很简单，因为我们需要过滤掉“bs”，但不需要过滤“at”，那么我们就在“bs”的最后一个节点“s”处做一个标记，告诉程序分支到此处组成的单词是需要过滤的。当把所有的单词节点标记后，树会是这样的。

那么确定了Trie树是个什么样子，我们就可以用代码去实现了。首先我们从最基本的节点开始构建，从该图示可以看到，一个子节点包含了三个要素：

• 当前的值
• 该子节点的子节点
• 分支到此处是否是一个单词

那么我们就按照上述信息构建一个Node类，但此时这个Node类并不是我们最终需要的样子，在这里只是满足了构建一个Trie树的需求：

// 子节点的接口
interface Children {[key: string]: Node
}export default class Node {// 节点值public key: string// 是否为单词最后节点（重要，后面详述）public word: boolean// 子节点的引用（重要，后面详述）public children: Children = {}constructor (key: string, word: boolean = false) {this.key = keythis.word = word}
}复制代码

在上面我们就已经知道了，Trie树根节点不保存数据，那么我们现在可以构建一个基础的Tree类，同时我们知道该类应该有一个插入和搜索方法，但此时我们不去实现这两个方法：

import Node from './node'// 子节点的接口
interface Children {[key: string]: Node
}export default class Tree {// 保存子节点的引用public root: Nodeconstructor () {this.root = new Node('root')}/*** 插入数据*/insert () {}/*** 搜索节点*/search () {}
}复制代码

在之前的图中可以看到，在Trie树十分简单，通俗的说就是将一个关键词抽离成单字符，并构建出这个单字符的依赖顺序，重复这样的操作就构成了Trie树。

好了，上面我们已经构建了基本的Trie树，也明白了该怎样操作，那么我们就从insert方法开始吧：

export default class Tree {// ...省略其他代码/*** 插入节点/第1层*/insert (key: string): boolean {if (!key) return false// 需要注意的是，插入的关键词key可能是单字符，也可能不是// 将key打散成数组方便操作let keyArr = key.split('')// 获取key的第一个单字符let firstKey = keyArr.shift()// 获取root的子节点，this.root是Node的实例，所以children是一个对象let children = this.root.childrenlet len = keyArr.length// 这里是树第一层的处理// 关键词第一个单字符在不在root的children里，不在的话我们就添加，这里之所以把第一个单字符提出来单独处理，是为了后续操作方便if (!children[firstKey]) {// 同时这里要判断剩余数组的长度，如果说传入的本身就是个单字符，就证明该单字符就是我们需要过滤的，我们需要给他打上word标记children[firstKey] = len? new Node(firstKey): new Node(firstKey, true)} else if (!len) {// 如果后续传入的是个单字符关键词（位于树第一层），我们需要打上word标记firstNode.word = true}// 这里是树N+1曾的处理// 其他多余的key使用insertNode递归写入树中if (keyArr.length >= 1) {this.insertNode(children[firstKey], keyArr)}return true} /*** 插入节点/N+1层* @param node* @param word*/insertNode(node: Node, word: string[]) {let len = word.length// 因为是一个递归，这里的帝国条件是word长度 >= 0if (len) {let children: Childrenchildren = node.childrenconst key = word.shift()let item = children[key]const isWord = len === 1// 这里判断该节点有没有相应子节点if (!item) {// 没有即插入新的item = new Node(key, isWord)} else {// 有则更新它的word标记item.word = isWord}// 将结果重置到树的相应位置children[key] = item// 下一轮递归this.insertNode(item, word)}}// ...省略其他代码
}
复制代码

至此，我们已经完整的构建了一棵Trie树的结构，并定义了insert方法，构建完成后，就需要查找，那么下面我们就去定义它的查找方法。

查找

既然我们知道也构建好了Trie树的结构，那么怎么去查找相关关键字并实现过滤呢？我们先定义这样一些数据备用：

• 过滤词组：['atd', 'atp', 'aq', 'bs', 'bsc', 'gf']
• 过滤字符串：acatdaabsc

我们将所有数据图形化：

同时，我们再定义三个索引/指针：

• startIndex：将保存匹配到的关键词起始位置索引/初始指向a
• endIndex：将保存匹配到的关键词结束位置索引/初始指向a
• treeIndex：将保存Trie树位置索引/初始指向ROOT

完成后，我们就来看看Trie树怎么实现查找的，

第一步：endIndex位置指向a时（这是初始值）

一开始，程序询问Trie树treeIndex指向的ROOT节点有没有a这个子节点，显然是有的。那么startIndex赋值为a位置的索引0（虽然一开始也是0，但这不重要）。同时改变treeIndex指向，让其指向a节点。判断此节点是否是一个完整的单词（即需要过滤关键词的最后一个字符），显然不是。

第二步：endIndex后移指向c时

endIndex后移一位指向c：

程序询问Trie树treeIndex指向的a节点有没有c这个子节点，显然是没有的。那么startIndex赋值为c位置的索引1。同时改变treeIndex指向，让其重新指向ROOT节点。

第三步：endIndex后移指向a时

endIndex后移一位指向a：

这里会完全重复第一步的操作，但是startIndex指向的时第二个a的索引2。

此时，startIndex = endIndex = 2，他们都指向了a，treeIndex又重新指向了树节点a。

第四步：endIndex后移指向t时

endIndex后移一位指向t：

程序询问Trie树treeIndex指向的a节点有没有t这个子节点，我们知道有，符合需求。startIndex位置不变，同时改变treeIndex指向，让其指向新找到的t节点。判断此节点是否是一个完整的单词。

第五步：endIndex后移指向d时

endIndex后移一位指向d：

程序询问Trie树treeIndex指向的t节点有没有d这个子节点，这里有d/p两个子节点，符合需求。startIndex位置不变，同时改变treeIndex指向，让其指向新找到的d节点。

判断此节点是否是一个完整的单词，很幸运，这次是一个完整待过滤关键词atd。至此，我们就找到了字符串中第一个关键词。

找到后，我们endIndex后移，并使startIndex = endIndex，treeIndex重新指向ROOT，开启新一轮的匹配。重复这个过程，就完成了查找。

那么在了解了上述查找过程之后，我们可以先完成一个基本查找，查找单个节点存不存在以做备用：

export default class Tree {// ...省略其他代码/*** 搜索节点* @param key* @param node*/search(key: string, node: Children = this.root.children): Node | undefined {// 这个搜索十分简单，只传入的子节点是否有相应的节点return node[key]}// ...省略其他代码
}
复制代码

Aho–Corasick算法（也称AC自动机/状态机）

寻找failure指针/索引

Trie树是AC算法的基础，AC算法有三个特别重要的概念，网上有很多文章，但搜索出来大多都是一样的，有些关键点没写明白，看着十分吃力。在这里，我会尝试去让这些概念性的东西具体化。

我们先把上面的Node类拿下来：

export default class Node {// 节点值public key: string// 是否为单词最后节点（重要，后面详述）public word: boolean// 子节点的引用（重要，后面详述）public children: Children = {}constructor (key: string,  word: boolean = false) {this.key = keythis.word = word}
}
复制代码

那么AC算法的三个关键是什么呢？与Node类有什么关系呢？通俗的讲是这么三个状态（有的称之为函数，有的称之为表）：

1. success/output状态：表示节点到此处就已经构成了个完整的关键词（Node类的word标记）。
2. goto状态：表示此节点构成的关键词还不完整，需要进入他的下一个子节点匹配（Node类的children）
3. failure状态（也称失去匹配，下面简称【失配】状态）：表示此节点构成的关键词还不完整，但无法进入到下一个子节点（在当前children里找不到了）。需要告诉程序，失配后怎么走。

在这之前，失配我们直接就返回到了ROOT，但AC算法不一样，它利用【failure状态/函数/表】指定程序在失配后的表现，不必每次失配都重新开始，这样能节省不少的时间。

好的，我们看到AC算法的两个状态Trie树都具备，只有failure状态是新加的，那么我们就着重讲一下failure状态，在这之前，我们重新构造一下Node类：

export default class Node {// 节点值public key: string// 是否为单词最后节点public word: boolean// 子节点的引用public children: Children = {}// 父节点的引用public parent: Node | undefined// failure表，用于失配后的跳转public failure: Node | undefined = undefinedconstructor (key: string, parent: Node | undefined = undefined, word: boolean = false) {this.key = keythis.parent = parentthis.word = word}
}
复制代码

可以看到，我这里新增了两个公共属性parent父节点及failure失配（失去匹配）后指向的节点。那么Node类的结构变化以后，Tree类的也需要相应的改变。

export default class Tree {// ...省略其他代码insert (key: string): boolean {if (!key) return falselet keyArr = key.split('')let firstKey = keyArr.shift()let children = this.root.childrenlet len = keyArr.lengthif (!children[firstKey]) {// 变化处children[firstKey] = len? new Node(firstKey): new Node(firstKey, undefined, true)} else if (!len) {firstNode.word = true}if (keyArr.length >= 1) {this.insertNode(children[firstKey], keyArr)}return true} insertNode(node: Node, word: string[]) {let len = word.lengthif (len) {let children: Childrenchildren = node.childrenconst key = word.shift()let item = children[key]const isWord = len === 1if (!item) {// 变化处item = new Node(key, node, isWord)} else {item.word = isWord}children[key] = itemthis.insertNode(item, word)}}// ...省略其他代码
}
复制代码

很简单，只有两个地方变化了，目的是实例化时传入parent属性。将两个基础类构造完成之后，我们就要详细说一说failure状态了，先看['HER', 'HEQ', 'SHR']构建的树：

在下面的描述中，我将failure指针/索引，为便于叙述，我通俗的说成“failure指向”

在这张图中，虚线表示failure后的指向，上面我们也说到failure状态的作用，就是在失配的时候告诉程序往哪里走，为什么要这么做，从这张表我们可以很清楚的看到，当我们匹配SHER时，程序会走右边的分支，当走到S > H > E时，会出现失配，怎么办？可能有小伙伴会想到回滚到ROOT从H开始重新匹配，但这样回溯是有成本的，我们既然走了H节点，为什么要回溯呢？

这个时候failure就发挥作用了，我们看到右分支的H有一条虚线指向了左分支的H，我们也知道这就是failure的指向，通过这个指向，我们很轻松的将当前状态移交过去。程序继续匹配E > R，加上移交过来的H，我们可以轻松的匹配到HER。

到了这里，我想小伙伴已经体会到了AC算法的美妙之处，那么就有人会问了，这个failure的指向怎么拿到呢？其实就是一句话：

问：假设有一个节点为currNode，它的子节点是childNode，那么子节点childNode的failure指向怎么求？

解：首先，我们需要找到childNode父节点currNode的failure指向，假设这个指向是Q的话，我们就要看看Q的孩子（children属性）中有没有与childNode字符相同（key相同）的节点，如果有的话，这个节点就是childNode的failure指向。如果没有，我们就需要沿着currNode -> failure -> failure重复上述过程，如果一直没找到，就将其指向root。

那么以上，就是寻找failure指向的思路，具体为什么这么做可以查阅相关资料。

需要注意的是，我们在构建Trie树时，并不知道failure指向到哪里的，所以failure指向需要在Trie树构建完成后插入。

那么我们再定义一个方法构建failure指向，但我们需要先看下面这幅图：

从图中可以看到，failure指向的构建是从上至下一层一层的完成的，第一层都是指向root：

export default class Tree {// ...省略其他代码/*** 创建Failure表*/_createFailureTable() {// 获取树第一层let currQueue: Array<Node> = Object.values(this.root.children)while (currQueue.length > 0) {let nextQueue: Array<Node> = []for (let i = 0; i < currQueue.length; i++) {let node: Node = currQueue[i]let key = node.keylet parent = node.parentnode.failure = this.root// 获取树下一层for (let k in node.children) {nextQueue.push(node.children[k])}if (parent) {let failure: any = parent.failurewhile (failure) {let children: any = failure.children[key]// 判断是否到了根节点if (children) {node.failure = childrenbreak}failure = failure.failure}}}currQueue = nextQueue}}// ...省略其他代码
}复制代码

完成上面代码，我们就彻底完成了整个AC算法的前置准备工作也是核心部分。

字符串匹配

最后对字符串进行关键词匹配，思路不难但有点庞杂，是核心点，关键点在于获取failure指针的定位，当匹配成功后，获取整个字符串。但如何获取匹配成功的关键词，我看到有些方案是回溯分支，但我是觉得没必要，因为匹配成功，程序已经走了之前的分支，为什么还要再次回溯呢？下面我们直接再代码上看：

_filterFn(word: string, every: boolean = false, replace: boolean = true): FilterValue {let startIndex = 0let endIndex = startIndexconst wordLen = word.length// 因为英文匹配我直接转换成了全大写，就需要保存一个原始文本let originalWord: string = word// 保存过滤的关键字let filterKeywords: Array<string> = []// 全部转换成大写word = word.toLocaleUpperCase()// 是否过滤文本let isReplace = replacelet filterText: string = ''// 是否通过，字符串无敏感词let isPass = true// 正在进行划词判断let isJudge: boolean = falselet judgeText: string = ''// 上一个Node与下一个Nodelet prevNode: Node = this.rootlet currNode: Node | booleanfor (endIndex; endIndex <= wordLen; endIndex++) {let key: string = word[endIndex]let originalKey: string = originalWord[endIndex]// 查找当前NodecurrNode = this.search(key, prevNode.children)// 判断是否处于正在判断状态isJudge，且还能继续匹配（currNode为Node）if (isJudge && currNode) { // ①judgeText += originalKeyprevNode = currNodecontinue} else if (isJudge && prevNode.word) {// 处于正在匹配状态，不能继续匹配，上一个Node有word标记，证明已经匹配成功了// 这里用作快速查找方法everyisPass = falseif (every) break// 原始字符串在这里做关键词替换，并保存被替换的关键词if (isReplace) filterText += '*'.repeat(endIndex - startIndex)filterKeywords.push(word.slice(startIndex, endIndex))} else {// 将①保存的临时文本重新添加到过滤文本中，因为可能最后状态是失配filterText += judgeText}// 直接在分支上找不到，需要走failure，这里的查找也与构建failure时相似if (!currNode) {let failure: Node = prevNode.failurewhile (failure) {currNode = this.search(key, failure.children)if (currNode) breakfailure = failure.failure}}if (currNode) {judgeText = originalKeyisJudge = trueprevNode = currNode} else {judgeText = ''isJudge = falseprevNode = this.rootif (isReplace && key !== undefined) filterText += originalKey}startIndex = endIndex}return {text: isReplace ? filterText : originalWord,filter: [...new Set(filterKeywords)],pass: isPass}}
复制代码

使用：

let m = new Mint(['淘宝', '拼多多', '京东'])console.log(m.filterSync('双十一在淘宝买东西，618在京东买东西，当然你也可以在拼多多买东西。'))
/* { text: '双十一在**买东西，618在**买东西，当然你也可以在***买东西。',filter: [ '淘宝', '京东', '拼多多' ],pass: false
} */console.log(m.everySync('测试这条语句是否能通过'))  // trueconsole.log(m.everySync('测试这条语句是否能通过，加上任意一个关键词京东'))  // false
复制代码

那么自此，整个流程就通了，当然这只是关键代码，具体代码我已上传至Github，当然，因本人能力及知识水平有限，难免有所错误，如若发现，欢迎大家指正。

单例模式

之所以使用单例模式，因为关键词构建成树是有空间成本的，我们没有必要在代码里使用多个实例，因为关键字完全可以放在一个文件里。

let instance: Mint | undefined = undefinedclass Mint extends Tree {// 是否替换原文本敏感词constructor(keywords: Array<string>) {if (instance) return instancesuper()if (!(keywords instanceof Array && keywords.length >= 1)) {console.error('mint-filter：未将过滤词数组传入！')return}// 创建Trie树for (let item of keywords) {if (!item) continuethis.insert(item.toLocaleUpperCase())}this._createFailureTable()instance = this}// ...省略其他代码
}
复制代码

性能

测试字符串包含随机生成的汉字、字母、数字。 以下测试均在20000个随机敏感词构建的树下进行测试，每组测试6次取平均值：

编号	字符串长度	不替换敏感词	替换敏感词
1	1000	0.987ms	1.088ms
2	5000	3.095ms	3.252ms
3	10000	9.133ms	9.881ms
4	20000	10.569ms	12.032ms
5	50000	15.741ms	23.606ms
6	100000	31.072ms	46.681ms

需要注意的是，生产实际运行速度会比上面测试数据更快。

GitHub地址：github.com/ZhelinCheng…