“过滤”的最佳方法用户输入用户名

Question

我有一个网站，允许用户创建“唯一 URL”，以便他们可以以 www.site.com/customurl 的形式传递给同事。

当然，我会进行检查以确保输入实际上是唯一的，但我也想过滤掉大公司名称（受版权保护的名称等）和咒语等内容。为此，我的想法是构建一个 txt 文件，其中包含想到的每个可能的名称/单词的列表。我们所拥有的测试 txt 文件的文件大小不是问题，但我很好奇这是否是解决此问题的最佳方法。我认为数据库调用不如读取文本文件那么有效。

我的代码是：

$filename = 'badurls.txt';
$fp = fopen($_SERVER['DOCUMENT_ROOT'] . '/' .$filename, 'r'); 
if ($fp) { 
  $array = explode("\n", fread($fp, filesize($_SERVER['DOCUMENT_ROOT'] . '/' .$filename))); 
}

if(in_array($url, $array)) {
  echo 'You used a bad word!';
} else {
  echo 'URL would be good'; 
}

注意，

我谈论的可能是前 100-200 家公司的列表，也可能是 100 个咒语。我可能是错的，但我预计这个列表永远不会超过 500 个单词，更不用说 1000 个了。

Answer 1

您可能不认为数据库调用那么高效，但它的效率要高得多。数据库会生成数据索引，因此实际上不必遍历每个项目（如 in_array 内部所做的那样）来查看它是否存在。您的代码将是O(n)，而数据库将是O(log n)...更不用说不必在其数据库中加载文件所节省的内存了。每个页面加载时的完整性。 （请参阅B 树索引）。

当然，500 个元素并不是很多。把它放在一个文件中也没什么大不了的，不是吗？事实上，会的。这并不是一个太大的性能问题（数据库调用的开销将抵消文件的效率损失，因此它们在时间上应该大致相等）。但这是可维护性的问题。你今天说最多500字。当您意识到需要提供重复检测时会发生什么？也就是说，检查您的站点中是否存在现有 URL。无论如何，这都需要数据库查询，那么为什么不在一个地方处理所有这些呢？

只需创建一个包含名称的表，为其建立索引，然后执行简单的 SELECT。会更快。而且效率更高。并且更具可扩展性……想象一下，如果您的数据达到 1GB。数据库可以很好地处理这个问题。读入内存的文件不能（你会耗尽 RAM）...

不要尝试这样优化，应避免过早优化。相反，实施干净且良好的解决方案，然后仅在应用程序完成后进行必要的优化（并且您可以识别缓慢的部分）...

另一点值得考虑。如果文件中存在 $url = 'FooBar'; 和 foobar，则代码将失败。当然，您可以简单地在 url 上执行 strtolower 操作，但何必呢？这是数据库的另一个优点。它可以进行不区分大小写的遍历。所以你可以这样做：

SELECT id FROM badnametable WHERE badname LIKE 'entry' LIMIT 1

并且只需检查是否没有匹配的行。无需执行 COUNT(*) 或其他任何操作。您所关心的只是匹配行的数量（0 是好的，!0 是不好的）。