PHP如何实现长尾词的非法词汇过滤算法？

本文共计972个文字，预计阅读时间需要4分钟。

算法简介：将关键词构成一棵树，每个字都是一个节点。遍历需要过滤的语句，将语句的每个字都去树中查找，看是否存在。实现难点：构建一棵简单的树，关键点是PHP中遍历字符串。

算法简介

将关键词构造成一颗树，每个字都是一个节点。

遍历需要过滤的语句，将语句的每个字都去树中查找，看看是否存在。

实现难点

构造一棵树简单，关键点是php中遍历字符串需要自己正确的得到单个字符的长度。
简单遍历字符串的方法如下：

$strLen = mb_strlen($str); for ($i = 0; $i < $strLen; $i++) { echo mb_substr($str, $i, 1, "utf8"),PHP_EOL; }登录后复制

该方法是利用mb_*系列函数来正确截取每个字符，处理大量字符串时速度非常慢，我猜测是：mb_substr每截取一个字符，都要计算该字符串之前，有多少个字符。
正确的遍历字符串的方式是按utf8的编码规律来截取字符串，具体请看下文。