敏感词过滤不能只用str_replace，因其易误杀（如“青苹果”）、漏杀（缺“苹果”时仅含“苹”“果”不匹配）且性能差（1000词需1000次全量扫描）；应采用Trie树实现一次扫描多词匹配。
敏感词过滤为什么不能只用 str_replace
因为会误杀、漏杀，且性能差。比如关键词是 "苹果"，文本里有 "苹果手机" 被替换了，但 "青苹果" 也被干掉了；反过来，如果词库有 "苹" 和 "果" 却没 "苹果"，那又漏了。更麻烦的是，逐个 str_replace 扫一遍词库，1000 个词就得做 1000 次全量字符串扫描，QPS 上去就卡住。
真正靠谱的做法是预建匹配结构，让一次扫描完成所有关键词判断——Trie 树（字典树）就是干这个的。
用 PHP 写一个轻量 Trie 过滤器要注意什么
别直接抄网上“完整版 Trie 类”，多数带冗余方法、递归遍历、甚至支持模糊匹配，你只需要「前缀匹配 + 最短/最长命中」就够了。核心就三步：建树、插入词、搜索命中。
-
insert()时统一转小写（或按需保留大小写），避免"VIP"和"vip"被当成两个词 - 叶子节点存
is_end => true和可选的word => "原词"，方便后续替换时还原原貌 - 搜索时用双指针：外层遍历文本位置
$i，内层从$i开始沿 Trie 走，一旦碰到is_end就记录，然后跳出内层继续$i+1——这是「最短匹配」；若要「最长匹配」，则内层走到不能走为止，取最后那个is_end
示例片段（非完整类）：
立即学习“PHP免费学习笔记（深入）”；
$root = ['children' => [], 'is_end' => false];
function insert($root, $word) {
$node = &$root;
for ($i = 0; $i < strlen($word); $i++) {
$char = $word[$i];
if (!isset($node['children'][$char])) {
$node['children'][$char] = ['children' => [], 'is_end' => false];
}
$node = &$node['children'][$char];
}
$node['is_end'] = true;
$node['word'] = $word; // 可选
}
实际部署时词库加载和缓存怎么搞
每次请求都 file_get_contents('keywords.json') + json_decode + 构建 Trie？太慢。PHP-FPM 下每个 worker 进程都要重复一遍，内存还浪费。
- 用
apcu_store()缓存构建好的$trie_root数组，key 可设为"sensitive_trie_v2"，版本号随词库更新而变 - 首次加载失败（如 APCu 关闭）就退回到文件 +
opcache_compile_file()预编译的静态数组（把词库转成 PHP 数组代码，include进来） - 避免在 CLI 或测试环境误用 APCu 缓存（它默认不共享），加个
if (php_sapi_name() !== 'cli')判断
错误现象：APCu is not enabled 导致过滤器每次重建，CPU 突增；或者缓存 key 写成硬编码 "trie"，换词库后不生效。
替换策略和边界情况怎么处理
不是所有场景都适合直接替换成 ***。用户发的是 "微信支付"，你只屏蔽 "微信"，结果变成 "***支付"，语义全毁。所以得区分「整词匹配」和「子串匹配」。
- 建 Trie 时对每个词加标记：
'type' => 'full'或'type' => 'partial'，搜索时按需判断是否要求前后为非字母数字（用ctype_alnum()或正则/\W|^/检查边界） - 替换时优先用原词长度生成
*（str_repeat('*', mb_strlen($word))），别硬写'***'，否则中英文混排错位 - 注意 UTF-8 多字节问题：
strlen()会把中文算成 3 字节，必须用mb_strlen($word, 'UTF-8')，否则 Trie 走不到底
容易被忽略的是：用户输入含零宽空格（\xe2\x80\x8b）、全角标点、甚至 emoji，这些字符进 Trie 前得先 normalize，否则永远匹配不上。
