fzdwx / words-match

字符串匹配

words match

字符串匹配,使用DFA算法实现

-
word	你好	你好吗	你好吗	helloworld
content	你好啊	你好好吗	你好，吗	hello world
模糊匹配	√	×	√	√
精确匹配	√	×	×	×

Rule

• 中英混合word: 精确匹配
• word含有空格: 精确匹配
• word含有数字: 模糊匹配
• word最小长度: 2

usage

<dependency>
    <groupId>io.github.fzdwx</groupId>
    <artifactId>words-match</artifactId>
    <version>0.10.2</version>
</dependency>

code

  private static Collection<String> words=new HashSet<String>(){
        {
        add("**人");
        add("**男人");
        add("**人民");
        add("人民");
        add("中间");
        add("女人");
        add("一举");
        add("一举成名");
        add("一举成名走四方");
        add("成名");
        add("走四方");
        add("zzz");
        add("hello");
        add("Qwe");
        add("你好aa");
        add("qweFJAKf");
        add("hhhasd");
        }
        };

final String content="中1国1人,民,一zzz举,he*l l.oQWE你好aa  qWefJAkf,h1...h1h1a1S1D";

final WordsMatcher accurate=WordsMatcher.accurate(words);
final WordsAction action=this.accurate.action(this.content);
final Map<String, String> all=action.findAll();

more

todo

• 简体繁体
• 半角圆角
• 若一个word在content中匹配到了多次,如何保存?
  • 现在是覆盖,保留最后一个
• replace 方法不能替换*
• more

words-match's Issues

若一个word在content中匹配到了多次,如何保存?

Discussed in #5

^{Originally posted by fzdwx March 12, 2022}
现在是覆盖,保留最后一个

简体繁体匹配

Discussed in #2

^{Originally posted by fzdwx March 12, 2022}
no desc

半角圆角

Discussed in #4

^{Originally posted by fzdwx March 12, 2022}
no desc

使用mix模式下，违禁词识别不准确

word: 啊啊啊123
content: 啊啊啊，123呀，红包拿来啊————啊啊啊123！

原因: 创建mix的时候，没有把这个word归为精确匹配

replace 方法不能替换*

String#replace()不能替换带*的字符
原因：用的正则匹配的

word: hello
matchWord: he*l l.o
content: 中1国1人,民,一zzz举,he*l l.oQWE你好aa  qWefJAkf,h1...h1h1a1S1D