字符串替换研究
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);}
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*/public String replaceKeywords(String text) {String newTxt = text;for (String s : keyWordList) {newTxt = newTxt.replace(s, "");}return newTxt;}}
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()));}
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public String replaceKeywords(String skuName) {return pattern.matcher(skuName).replaceAll("");}}
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>
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*/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();}}
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.
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
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;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();}}}
4个实现类对象的大小对比| 类 | 对象大小 |
|---|---|
| StrReplacer | 12560 |
| PatternReplacer | 21592 |
| TrieKeywordReplacer | 184944 |
| AhoCorasickReplacer | 253896 |
性能对比
说明：待替换一组关键词共 400个；JDK1.8
| StrReplacer | PatternReplacer | TrieKeywordReplacer | AhoCorasickReplacer | |
| 单线程循环1w次，平均单次性能(ns) | 21843ns | 28846ns | 532ns | 727ns |
| 名称中只有1个待替换的关键词，2个并发线程，循环1w次，平均单次性能(ns)，机器 CPU 30%左右 | 23444ns | 39984ns | 680ns | 1157ns |
| 名称中只有20待替换的关键词，2个并发线程，循环1w次，平均单次性能(ns)，机器 CPU 30%左右 | 252738ns | 114740ns | 33900ns | 113764ns |
| 名称中只有无待替换的关键词，2个并发线程，循环1w次，平均单次性能(ns)，机器 CPU 30%左右 | 22248ns | 9253ns | 397ns | 738ns |
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 {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);}}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);}}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);}}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() {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();}}
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;}}
