作者：京东零售 周德东
一、背景
需求非常简单，给定一组关键词，需要将商品名称中出现过的关键字替换掉；
如：skuName="HUAWEI Pura 70 Pro 国家补贴 500 元 羽砂黑 12GB+512GB 超高速风驰闪拍 华为鸿蒙智能手机" 需要替换成
skuName="HUAWEI Pura 70 Pro 羽砂黑 12GB+512GB 超高速风驰闪拍 华为鸿蒙智能手机" 这里的关键字"国家补贴 500 元";
直接 skuName.replace("国家补贴 500 元", "")，不就可以了吗？如果是一组，那就循环替换就完了嘛，再考虑到关键字前缀问题，对这一组关键词，按字符长度进行排序，先替换长的关键词，再替换短的就 ok 了；
如果这一组关键词非常多，上千个怎么办？真实场景也是这样的，一般需要替换的关键词都是比较多，并且使用 String.replace 上线后，直接 CPU 打满，基本不可用；
这个字段替换本质上与敏感词过滤是一样的原理，针对敏感词的深入研究，出现了 Aho-Corasick（AC 自动机） 算法；
Aho-Corasick（AC 自动机）是一种多模式字符串匹配算法，结合了 Trie 树的前缀匹配能力和 KMP 算法的失败跳转思想，能够在单次文本扫描中高效匹配多个模式串。其核心优势在于时间复杂度为 O(n + m + z)（n 为文本长度，m 为模式串总长度，z 为匹配次数），适用于敏感词过滤、基因序列分析等场景。
二、方案
针对这几种算法进行对比；
字符串替换，定义一个接口，通过 4 个不同的方案实现，进行性能对比
public interface Replacer { String replaceKeywords(String text);}
复制代码
2.1 String.replace 方案
这种方案最简单，也是关键词少的时候，最有效，最好用的;
public class StrReplacer implements Replacer { private final List<String> keyWordList; public StrReplacer(String keyWords) { this.keyWordList = Lists.newArrayList(keyWords.split(";")); // 按关键字长度降序排序，确保长关键字优先匹配 keyWordList.sort((a, b) -> Integer.compare(b.length(), a.length())); } /** * 替换文本中所有匹配的关键字为空字符串 */ @Override public String replaceKeywords(String text) { String newTxt = text; for (String s : keyWordList) { newTxt = newTxt.replace(s, ""); } return newTxt; }}
复制代码
2.2 使用正则替换
String.replace 本质，还是使用正则进行替换的，通过代码实现使用编译好的正则进行替换性能会好于直接使用 replace；
String.replace 的实现
public String replace(CharSequence target, CharSequence replacement) { return Pattern.compile(target.toString(), Pattern.LITERAL).matcher( this).replaceAll(Matcher.quoteReplacement(replacement.toString()));}
复制代码
使用正则替换的实现
public class PatternReplacer implements Replacer { // 预编译正则表达式模式 private final Pattern pattern; public PatternReplacer(String keyWords) { List<String> keywords = Lists.newArrayList(keyWords.split(";")); // 按关键字长度降序排序，确保长关键字优先匹配 keywords.sort((a, b) -> Integer.compare(b.length(), a.length())); // 转义每个关键字并用|连接 String regex = keywords.stream() .map(Pattern::quote) .collect(Collectors.joining("|"));
this.pattern = Pattern.compile(regex); }
// 替换方法 @Override public String replaceKeywords(String skuName) { return pattern.matcher(skuName).replaceAll(""); }}
复制代码
2.3 使用 Aho-Corasick（AC 自动机） 算法实现
在 java 中已有现成的算法实现，源代码github-robert-bor/aho-corasick，
引入 jar 包
<dependency> <groupId>org.ahocorasick</groupId> <artifactId>ahocorasick</artifactId> <version>0.6.3</version></dependency>
复制代码
基于 Aho-Corasick 算法的字符串替换实现
public class AhoCorasickReplacer implements Replacer { private final Trie trie; public AhoCorasickReplacer(String keyWords) { // 构建Aho-Corasick自动机 Trie.TrieBuilder builder = Trie.builder().ignoreOverlaps().onlyWholeWords(); //trie.caseInsensitive(); //trie.onlyWholeWords(); for (String s : keyWords.split(";")) { builder.addKeyword(s); } this.trie = builder.build(); } /** * 替换文本中所有匹配的关键字为空字符串 */ @Override public String replaceKeywords(String text) { if (text == null || text.isEmpty()) { return text; } StringBuilder result = new StringBuilder(); Collection<Emit> emits = trie.parseText(text); // 获取所有匹配结果 int lastEnd = 0; for (Emit emit : emits) { int start = emit.getStart(); int end = emit.getEnd();
// 添加未匹配的前缀部分 if (start > lastEnd) { result.append(text, lastEnd, start); } // 跳过匹配的关键字（即替换为空） lastEnd = end + 1; // 注意：end是闭区间，需+1移动到下一个字符 } // 添加剩余未匹配的后缀部分 if (lastEnd <= text.length() - 1) { result.append(text.substring(lastEnd)); } return result.toString(); }}
复制代码
2.4 自己实现 Trie 树算法实现
通过 deepseek 等人工智能，是非常容易自己实现一个 Trie 树，我们就只实现字符串替换的功能，其他的就不使用了；
Trie 树，又叫字典树，前缀树(Prefix Tree)，单词查找树，是一种多叉树的结构.
结构说明： 表示根节点（空节点）
每个节点表示一个字符
粉色节点表示单词结束标记（使用 CSS class 实现）
路径示例：
root → c → a → t 组成 "cat"
root → c → a → r 组成 "car"
root → d → o → g 组成 "dog"
public class TrieKeywordReplacer implements Replacer {
private final Trie trie;
@Override public String replaceKeywords(String text) { return trie.replaceKeywords(text, ""); }
public TrieKeywordReplacer(String keyWords) { Trie trie = new Trie(); for (String s : keyWords.split(";")) { trie.insert(s); } this.trie = trie; }
static class TrieNode { Map<Character,TrieNode> children; boolean isEndOfWord;
public TrieNode() { children = new HashMap<>(); isEndOfWord = false; } }
static class Trie { private TrieNode root;
public Trie() { root = new TrieNode(); }
private synchronized void insert(String word) { TrieNode node = root; for (char c : word.toCharArray()) { if (node.children.get(c) == null) { node.children.put(c, new TrieNode()); } node = node.children.get(c); } node.isEndOfWord = true; }
public String replaceKeywords(String text, String replacement) { StringBuilder result = new StringBuilder(); int i = 0; while (i < text.length()) { TrieNode node = root; int j = i; TrieNode endNode = null; int endIndex = -1; while (j < text.length() && node.children.get(text.charAt(j)) != null) { node = node.children.get(text.charAt(j)); if (node.isEndOfWord) { endNode = node; endIndex = j; } j++; } if (endNode != null) { result.append(replacement); i = endIndex + 1; } else { result.append(text.charAt(i)); i++; } } return result.toString(); } }}
复制代码
4 个实现类对象的大小对比
性能对比
说明：待替换一组关键词共 400 个；JDK1.8
通过性能对比，自己实现的 Trie 树的性能是最好的，因为只做了替换的逻辑，没有实现其他功能，其次是使用 AhoCorasick 算法，因为使用 AhoCorasick 算法，实现字符串替换是最基本的功能，AhoCorasick 算法，还能精准的匹配到在什么地方，出现过多少次等信息，功能非常强大；
通过对比编译好的正则性能确实是比使用原生 String.replace;
public class ReplacerTest {
@Test public void testTrieKeywordReplacer(){ //String name = skuName; //String expected = v2; //String name = "三星Samsung Galaxy S25+ 超拟人AI助理 骁龙8至尊版 AI拍照 翻译手机 游戏手机 12GB+256GB 冷川蓝"; //String expected = name;
String name = keyWords; String expected = v1; int cnt = 2; Replacer replacer = new TrieKeywordReplacer(keyWords); check(replacer, name, expected); for (int i = 0; i < cnt; i++) { checkExec(replacer, name); } }
@Test public void 替换所有关键字() throws InterruptedException { //String name = skuName; //String expected = v2; //String name = "三星Samsung Galaxy S25+ 超拟人AI助理 骁龙8至尊版 AI拍照 翻译手机 游戏手机 12GB+256GB 冷川蓝"; //String expected = name;
String name = keyWords; String expected = v1;
int cnt = 2; System.out.println("替换：" + name); Replacer replacer = new StrReplacer(keyWords); check(replacer, name, expected); for (int i = 0; i < cnt; i++) { checkExec(replacer, name); }
replacer = new PatternReplacer(keyWords); check(replacer, name, expected); for (int i = 0; i < cnt; i++) { checkExec(replacer, name); }
replacer = new TrieKeywordReplacer(keyWords); check(replacer, name, expected); for (int i = 0; i < cnt; i++) { checkExec(replacer, name); }
replacer = new AhoCorasickReplacer(keyWords); check(replacer, name, expected); for (int i = 0; i < cnt; i++) { checkExec(replacer, name); }
}
@Test public void 无关键字替换() throws InterruptedException { //String name = skuName; //String expected = v2; String name = "三星Samsung Galaxy S25+ 超拟人AI助理 骁龙8至尊版 AI拍照 翻译手机 游戏手机 12GB+256GB 冷川蓝"; String expected = name;
//String name = keyWords; //String expected = v1;
int cnt = 1; System.out.println("替换：" + name); Replacer replacer = new StrReplacer(keyWords); check(replacer, name, expected); for (int i = 0; i < cnt; i++) { checkExec(replacer, name); }
replacer = new PatternReplacer(keyWords); check(replacer, name, expected); for (int i = 0; i < cnt; i++) { checkExec(replacer, name); }
replacer = new TrieKeywordReplacer(keyWords); check(replacer, name, expected); for (int i = 0; i < cnt; i++) { checkExec(replacer, name); }
replacer = new AhoCorasickReplacer(keyWords); check(replacer, name, expected); for (int i = 0; i < cnt; i++) { checkExec(replacer, name); }
}
@Test public void 有1个关键字替换() throws InterruptedException { //String name = skuName; //String expected = v2; //String name = "三星Samsung Galaxy S25+ 超拟人AI助理 骁龙8至尊版 AI拍照 翻译手机 游戏手机 12GB+256GB 冷川蓝"; //String expected = name;
//String name = keyWords; //String expected = v1;
String name = "HUAWEI Pura 70 Pro 国家补贴500元 羽砂黑 12GB+512GB 超高速风驰闪拍 华为鸿蒙智能手机"; String expected = "HUAWEI Pura 70 Pro 500元 羽砂黑 12GB+512GB 超高速风驰闪拍 华为鸿蒙智能手机";
int cnt = 1; System.out.println("替换：" + name); Replacer replacer = new StrReplacer(keyWords); check(replacer, name, expected); for (int i = 0; i < cnt; i++) { checkExec(replacer, name); }
replacer = new PatternReplacer(keyWords); check(replacer, name, expected); for (int i = 0; i < cnt; i++) { checkExec(replacer, name); }
replacer = new TrieKeywordReplacer(keyWords); check(replacer, name, expected); for (int i = 0; i < cnt; i++) { checkExec(replacer, name); }
replacer = new AhoCorasickReplacer(keyWords); check(replacer, name, expected); for (int i = 0; i < cnt; i++) { checkExec(replacer, name); }
}
static void check(Replacer replacer, String name, String expected) { System.out.println(replacer.getClass().getName()+"，对象大小："+ObjectSizeCalculator.getObjectSize(replacer)); String newTxt = replacer.replaceKeywords(name); //System.out.println(newTxt); Assert.assertEquals(replacer.getClass().getName() + ",对比不一致!", expected, newTxt); }
void checkExec(Replacer replacer, String name) { String newTxt = replacer.replaceKeywords(name); int nThreads = 2; ExecutorService executorService = Executors.newFixedThreadPool(nThreads); CountDownLatch downLatch = new CountDownLatch(nThreads); int i = 0; while (i++ < nThreads) { executorService.submit(new Runnable() { @Override public void run() { int i = 0; long ns = System.nanoTime(); while (i++ < 100000) { replacer.replaceKeywords(name); } String name = replacer.getClass().getName(); downLatch.countDown(); System.out.println(StringUtils.substring(name, name.length() - 50, name.length()) + "\ti=" + i + ", \t耗时：" + (System.nanoTime() - ns) / i + "ns"); } }); } executorService.shutdown(); try { downLatch.await(); } catch (InterruptedException e) { e.printStackTrace(); } }
复制代码
最后
1、使用现成的 AhoCorasick 算法进行实现，是性能与稳定性最优的选择，非常强调性能，还是可以自己实现 Trie 树来实现；
2、在真实的使用过程中，因为大部分的商品名称最多出现几个关键词，并且待替换的关键词往往都是比较多的，可以将这么关键词找出找出几个有代表性能的词，做前置判断，商品名称中是否存在；再进行全量替换；
如待替换的关键词有：政府补贴、国补、支持国补； 那么我们并不是直接就循环这个待替换的关键词组，而是找出这么关键词中都有的关键字”补”先判断商品名称中是否存在“补”字后，再做处理; 这里的前置判断，还可以使用布隆过滤器实现；
public String replaceKeywords (String skuName){ Replacer replacer = new AhoCorasickReplacer(keyWords); if(skuName.contains("补")){ return replacer.replaceKeywords(skuName); } else { return skuName; }}
复制代码
参考
评论