一、簡介

在文本處理中，常常需要在一段文本里查找多個關鍵字是否存在，例如敏感詞過濾、關鍵詞匹配等場景。Hutool - DFA 模塊基于確定性有限自動機（Deterministic Finite Automaton，DFA）模型，為我們提供了高效的多關鍵字查找功能。DFA 模型是一種狀態機，它通過預先構建一個狀態轉移表，能夠在一次遍歷文本的過程中，快速判斷是否存在多個關鍵字，時間復雜度為 $O(n)$，其中 $n$ 是文本的長度，這使得它在處理大規模文本和大量關鍵字時具有很高的效率。

二、引入依賴

若使用 Maven 項目，在 pom.xml 中添加以下依賴：

<dependency><groupId>cn.hutool</groupId><artifactId>hutool-all</artifactId><version>5.8.16</version>
</dependency>

如果是 Gradle 項目，在 build.gradle 中添加：

implementation 'cn.hutool:hutool-all:5.8.16'

三、基本使用步驟

1. 創建 DFA 匹配器

import cn.hutool.dfa.FoundWord;
import cn.hutool.dfa.WordTree;
import java.util.ArrayList;
import java.util.List;public class DFAExample {public static void main(String[] args) {// 創建 WordTree 對象，用于構建 DFA 模型WordTree wordTree = new WordTree();// 添加關鍵字List<String> keywords = new ArrayList<>();keywords.add("蘋果");keywords.add("香蕉");keywords.add("葡萄");wordTree.addWords(keywords);}
}

在上述代碼中，首先創建了一個 WordTree 對象，它是 Hutool - DFA 中用于構建 DFA 模型的核心類。然后，創建一個包含多個關鍵字的列表，并使用 addWords 方法將這些關鍵字添加到 WordTree 中，從而完成 DFA 模型的構建。

2. 進行關鍵字查找

import cn.hutool.dfa.FoundWord;
import cn.hutool.dfa.WordTree;
import java.util.ArrayList;
import java.util.List;public class DFAExample {public static void main(String[] args) {// 創建 WordTree 對象，用于構建 DFA 模型WordTree wordTree = new WordTree();// 添加關鍵字List<String> keywords = new ArrayList<>();keywords.add("蘋果");keywords.add("香蕉");keywords.add("葡萄");wordTree.addWords(keywords);// 待查找的文本String text = "我喜歡吃蘋果和香蕉。";// 查找文本中包含的關鍵字List<FoundWord> foundWords = wordTree.matchAll(text);for (FoundWord foundWord : foundWords) {System.out.println("找到關鍵字：" + foundWord.getWord() + "，起始位置：" + foundWord.getStartIndex() + "，結束位置：" + foundWord.getEndIndex());}}
}

在這個代碼片段中，定義了一段待查找的文本，然后使用 matchAll 方法在文本中查找之前添加的關鍵字。matchAll 方法會返回一個 FoundWord 對象的列表，每個 FoundWord 對象包含了找到的關鍵字、關鍵字在文本中的起始位置和結束位置。通過遍歷這個列表，我們可以輸出找到的關鍵字及其位置信息。

四、高級用法

1. 忽略大小寫匹配

import cn.hutool.dfa.FoundWord;
import cn.hutool.dfa.WordTree;
import java.util.ArrayList;
import java.util.List;public class CaseInsensitiveDFAExample {public static void main(String[] args) {WordTree wordTree = new WordTree();List<String> keywords = new ArrayList<>();keywords.add("Apple");wordTree.addWords(keywords);String text = "I like apple.";// 忽略大小寫進行匹配List<FoundWord> foundWords = wordTree.matchAll(text, true);for (FoundWord foundWord : foundWords) {System.out.println("找到關鍵字：" + foundWord.getWord() + "，起始位置：" + foundWord.getStartIndex() + "，結束位置：" + foundWord.getEndIndex());}}
}

在 matchAll 方法中，第二個參數設置為 true 表示忽略大小寫進行匹配。這樣，即使文本中的關鍵字大小寫與添加的關鍵字不一致，也能被正確匹配。

2. 最長匹配原則

import cn.hutool.dfa.FoundWord;
import cn.hutool.dfa.WordTree;
import java.util.ArrayList;
import java.util.List;public class LongestMatchDFAExample {public static void main(String[] args) {WordTree wordTree = new WordTree();List<String> keywords = new ArrayList<>();keywords.add("蘋果");keywords.add("紅蘋果");wordTree.addWords(keywords);String text = "我喜歡吃紅蘋果。";// 開啟最長匹配List<FoundWord> foundWords = wordTree.matchAll(text, false, true);for (FoundWord foundWord : foundWords) {System.out.println("找到關鍵字：" + foundWord.getWord() + "，起始位置：" + foundWord.getStartIndex() + "，結束位置：" + foundWord.getEndIndex());}}
}

在 matchAll 方法中，第三個參數設置為 true 表示使用最長匹配原則。在上述示例中，文本中包含“紅蘋果”，由于開啟了最長匹配，只會匹配到“紅蘋果”，而不會匹配到“蘋果”。

五、注意事項

• 關鍵字添加順序：關鍵字的添加順序不影響匹配結果，因為 DFA 模型是基于狀態轉移的，所有關鍵字會被統一構建到狀態轉移表中。
• 性能考慮：DFA 模型在處理大規模文本和大量關鍵字時具有較高的性能，但在構建 DFA 模型時，需要消耗一定的內存和時間。因此，在實際應用中，應根據具體情況合理管理關鍵字的數量。
• 字符編碼：確保文本和關鍵字使用相同的字符編碼，避免因編碼問題導致匹配失敗。

通過使用 Hutool - DFA，開發者可以方便地實現高效的多關鍵字查找功能，無論是敏感詞過濾、信息檢索還是其他文本處理場景，都能輕松應對。