lua 文件读写处理（操作敏感词库）

最近需要给游戏做一个敏感词新系统，我采用的方法是比较常用的DFA（确定有穷状态机）算

法，先不讲算法，而这种算法的实现需要一个相应的敏感词库。

我拿到了词库后发现词库中大概有8000+个词，其中包括很多重复的，还有很多有着头包含关

系的词；

　　什么是头包含词呢？ 看如下例子：

　　我们知道在DFA算法读取敏感词后如果存在这种情况：

　　词1: "ab"  词2:  "abc"

　　在读取之后“ ab “这个敏感词就会不复存在而被abc覆盖掉， 而我们游戏需要对敏感词进行的

操作不是以其他字符（如 * *）代替句子中的敏感词而是如果判断出句子中含有敏感词，则无法发

出。所以，如果 “ab” 已经是敏感词了，“abc”就没有必要出现在敏感词库中了所以我需要将敏感

词库中的

　　1. 相同的词只留下一个

　　2. 删除头包含其他敏感词的敏感词

　　但是现有的敏感词库中有8000+ 个词我不可能一个个去找，所以我就想到了利用现有的lua io

文件库对原先的敏感词库进行处理这样可以节省太多的时间 代码如下

local function getNewWord()
    local wordsDataInput  = {}
    local wordsDataOutput = {}
    -- 读取文件
    -- 以只读方式打开文件
    local file_input = io.open("sensitive_words_input.txt", "r")

    -- 设置默认输入文件为 test.lua
    io.input(file_input)

    -- 逐行读取文件
    local string_l = file_input:read("*l")
    while(string_l ~= nil)
    do
        table.insert(wordsDataInput, string_l)
        string_l = file_input:read("*l")
    end
    io.close(file_input)

    -- 写入文件
    -- 以只写方式打开文件
    local file_output = io.open("sensitive_words.txt", "a")

    -- 设置默认输出文件为
    io.output(file_output)

    -- 对数据进行处理
    -- 如果有头包含
    local function ifIsHeadInTable(str)
        for i = 1, #wordsDataInput do
            local startIndex, endIndex = string.find(wordsDataInput[i], str)
            if startIndex ~= nil and endIndex ~= nil then
                -- 如果find到头索引为1,尾索引不为字符串长度则可以认定为是头包含关系
                if startIndex == 1 and endIndex ~= string.len(wordsDataInput[i]) then
                    wordsDataInput[i] = "\n"
                end
            end
        end
    end 

    -- 是否已经有相同的
    local function isHasSameInTable(str)
        if not wordsDataOutput or not next(wordsDataOutput) then return false end

        for key, value in ipairs(wordsDataOutput) do
            if value == str then
                return true
            end
        end

        return false
    end

    -- 先剔除头包含
    for key, value in pairs(wordsDataInput) do
        ifIsHeadInTable(value)
    end

    -- 再剔除相同的
    for key, value in ipairs(wordsDataInput) do
        if not isHasSameInTable(value) then
            table.insert(wordsDataOutput, value)
        end
    end

    for index, word in pairs(wordsDataOutput) do
        io.write(word.."\n")
    end
    io.close(file_output)
end

　　操作后的文件少了整整4000个词，差不多35kb，这样加载词库需要的空间和时间都大大减少。但是要注意的是lua对文件的操作都是以UTF-8编码来的，如果是其他编码的文件就不能用了。