1. 大体思路
①我们在resources目录下,新建一个txt文件,里面装有想要过滤的敏感词。
②敏感词过滤器:
- 定义前缀树;
- 根据敏感词,初始化前缀树;
- 编写过滤敏感词的方法。
③前缀树
- Trie、字典树、查找树;
- 特点:查找效率高、消耗内存大;
- 应用:字符串检索、词频统计、字符串排序等。
结构特点:
- 根节点为空,其他每个节点只包含一个字符;
- 把其中一个路径连接起来,就是对应的字符串。
2. 过滤词
在resources目录下,新建file,起名:sensitive-words.txt,里面放入想要过滤的敏感词汇。
赌博
嫖娼
吸毒
开票
3. 敏感词过滤器
在工具类util目录下,新建类:SensitiveFilter
包含:
①前缀树的定义、构建; ②过滤方法
package com.nowcoder.mycommunity.util;
import org.apache.commons.lang3.CharUtils;
import org.apache.commons.lang3.StringUtils;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.stereotype.Component;
import javax.annotation.PostConstruct;
import java.io.*;
import java.util.HashMap;
import java.util.Map;
@Component
public class SensitiveFilter {
private static final Logger logger = LoggerFactory.getLogger(SensitiveFilter.class);
//替换的符号
private static final String REPLACEMENT= "***";
//初始化根节点
private TrieNode rootNode = new TrieNode();
@PostConstruct
//当容器实例化Bean(调用其构造器)后,会自动调用该方法
//此Bean在服务器启动时,即被初始化
public void init(){
try(
//自动加finally并关闭
InputStream is = this.getClass().getClassLoader().getResourceAsStream("sensitive-words.txt");
//将字节流转化为字符流
BufferedReader reader = new BufferedReader(new InputStreamReader(is));
){
//读取敏感词并添加到前缀树
String keyword;
while((keyword = reader.readLine()) != null){
this.addKeyword(keyword);
}
}catch (IOException e){
logger.error("加载敏感词失败:", e.getMessage());
}
}
//将敏感词添加到前缀树
private void addKeyword(String keyword){
TrieNode tempNode = rootNode;
for (int i=0; i<keyword.length(); i++){
char c = keyword.charAt(i);
//根据字符获取下一个节点,如果没有,再新创建
TrieNode subNode = tempNode.getSubNode(c);
if(subNode == null){
//初始化子节点
subNode = new TrieNode();
tempNode.addSubNode(c, subNode);
}
//指向子节点,进入下一轮循环
tempNode = subNode;
//设置结束标识
if(i==keyword.length() - 1){
tempNode.setKeywordEnd(true);
}
}
}
//过滤敏感词
//text:待过滤的文本 return: 过滤后的文本
public String filter(String text){
if(StringUtils.isBlank(text)){
return null;
}
//指针一:指向树的各个节点
TrieNode tempNode = rootNode;
//指针二、指针三:指向待过滤字符串
int begin = 0;
int position = 0;
//过滤后的文本
StringBuilder sb = new StringBuilder();
while (position < text.length()){
char c = text.charAt(position);
//跳过符号
if(isSymbol(c)) {
//若指针一处于根节点,将此符号计入结果,让指针2向下走一步
if(tempNode == rootNode){
sb.append(c);
begin++;
}
//无论符号在开头还是中间,指针三都向下走一步
position++;
continue;
}
//检查下级节点
tempNode = tempNode.getSubNode(c);
if (tempNode == null){
//以begin开头的字符串不是敏感词
sb.append(text.charAt(begin));
//进入下一个位置
position = ++begin;
//树的指针重新指向根节点,进行下一轮判断
tempNode = rootNode;
}else if(tempNode.isKeywordEnd()){
//发现敏感词:将begin~position字符串替换掉
sb.append(REPLACEMENT);
//进入下一个位置
begin = ++position;
//树的指针重新指向根节点
tempNode = rootNode;
}else {
//检查下一个字符
position++;
}
}
//将最后一批字符计入结果
sb.append(text.substring(begin));
return sb.toString();
}
//判断是否为符号
private boolean isSymbol(Character c){
// 0x2E80~0x9FFF为东亚文字范围(日韩中等)
return !CharUtils.isAsciiAlphanumeric(c) && (c < 0x2E80 || c > 0x9FFF);
}
//定义前缀树
private class TrieNode{
// 关键词结束标识
private boolean isKeywordEnd = false;
// 子节点:一个节点的子节点为多个,因此这里用Map封装
// key为下级的字符、value是下级节点
private Map<Character, TrieNode> subNodes = new HashMap<>();
//判断是否为结束
public boolean isKeywordEnd(){
return isKeywordEnd;
}
//设置结束标识
public void setKeywordEnd(boolean keywordEnd){
isKeywordEnd = keywordEnd;
}
//添加子节点
public void addSubNode(Character c, TrieNode node){
subNodes.put(c, node);
}
//获取子节点
public TrieNode getSubNode(Character c){
return subNodes.get(c);
}
}
}
4. 测试方法
@Test
public void testSensitiveFilter(){
String text = "这里面可以赌^^^博,可以嫖^^^娼、可以开^^^票哈哈哈!";
String text2 = "这里面可以赌博,可以嫖娼、可以开票哈哈哈!";
text = sensitiveFilter.filter(text2);
System.out.println(text);
}