使用了SVN和JIRA以后，工作效率得到了提高，羽方的工作热情也得到了提升，觉得自己对于团队的作用越来越高，在团队中的认同感也是越来越高了。
这一天，羽方有迎来了自己新的任务，文本过滤的优化。公司的系统本来就有文本过滤的功能，只是过滤的方式是通过关键字过滤进行的，也就是简单的进行文字匹配，如果命中的关键字太多的话，就把对应的网站进行标识，然后交由管理员进行审核。现在的问题是通过简单的关键字进行匹配的话，经常会出现误判的情况，领导和系统的使用者都希望能够提高系统的识别准确性，减少用户的工作量。然后这个问题就交给了羽方来处理。
羽方领到了任务，却没有想到好的处理办法。因为他在网络上进行过搜索，目前主要的方法是通过切词进行处理。切词以后，在对切出来的词语进行关键字匹配，这样就可以大大提高文本过滤的识别准确性。但是这种方法羽方却无法使用，因为如果要把所有的网页进行切词的话，会导致整个系统的识别效率降低，就是说一个网页的识别可能都需要2~3秒的时间。然而，实际上系统的需求要至少1秒钟内可以检测10个以上的网页，如果使用了切词方法，会导致系统的效率跟不上爬虫的效率。
不能够进行切词，羽方就必须考虑其他的方法，在保证效率的同时，能够尽可能的提高文本过滤的准确性。羽方想了好久，也没有想到可行的办法。无奈之下，像范平海进行了求助。范平海当然知道羽方的任务，而且心中也有着自己的想法，等到羽方求助的时候，就告诉了羽方。那就是对关键字进行评分，不同的关键字评分不同，而且有些特殊的关键字评分可以是负数，然后计算所有的关键字评分总和，如果达到了一个阈值，就把该网页提取出来，这样的话，准确度比着之前肯定会有一个很大的提高。
羽方听了之后，觉得确实会有不错的效果，就准备开始写代码了。却又发现如果使用了评分机制的话，就会需要大量的修改代码，因为整个的文本检查流程都会发生变化，以前是对于每个关键字只检查一次，而现在每个关键字都需要检查多次，如果处理不好的话，就会导致系统的检测性能降低很多。
关于这个问题，羽方在咨询过范平海之后，决定使用C++代码来实现关键字的检查，然后通过Python调用C++的动态库来实现文本过滤的效果，因为在性能上，C++有着天然的优势，自己处理内存比着Python的性能要高很多。就这样羽方决定先使用C++实现关键字的过滤系统，然后再使用ctypes进行动态库调用。
这是一个完整的工作，也是羽方第一次接触多语言的共同开发，进行语言间的调用。由于没有使用过ctypes，羽方只能再从头学习。庆幸的是，羽方在学校的时候学习的编程语言就是C++，不需要重新学习C++了，这样就可以自己直接实现关键字的检查模块了。为了提高关键字检查的性能，羽方采用了二叉树遍历的方式，因为这样的话只需要遍历一次整篇网页的文本，而不需要每个关键字都过滤一遍文本。基于在学校时学习的基础还算扎实，羽方很快就实现了关键字检查的模块，并封装成了动态链接库，以供python的调用。
Python的调用模块的书写难度绝不亚于关键字检查模块的书写，因为内存申请的问题，羽方在书写调用模块的时候，遇到了很多的内存申请和异常返回的问题。好在，经过网上的资料搜索和范平海的帮助，羽方顺利完成了整个文本过滤模块的实现。
完成了整个文本过滤模块的代码编写之后，羽方进行了一些测试工作，发现性能比着以前有所降低，但是还在可接受的范围之内，而准确率确实提高了不少，心中非常高兴，就把代码提交到了SVN之上。