骚操作！SpringBoot 过滤热搜与不雅文字~

# 前言

这里主要讲springboot整合redis的个人搜索记录与热搜、敏感词过滤与替换两个功能，下面进行环境准备，引入相关maven依赖

<dependency>    <groupId>org.springframework.boot</groupId>    <artifactId>spring-boot-starter-web</artifactId></dependency><dependency>    <groupId>org.springframework.boot</groupId>    <artifactId>spring-boot-starter-test</artifactId>    <scope>test</scope></dependency><!-- https://mvnrepository.com/artifact/org.springframework.boot/spring-boot-starter-data-redis --><dependency>    <groupId>org.springframework.boot</groupId>    <artifactId>spring-boot-starter-data-redis</artifactId>    <version>2.7.0</version></dependency><!-- https://mvnrepository.com/artifact/org.apache.commons/commons-lang3 --><dependency>    <groupId>org.apache.commons</groupId>    <artifactId>commons-lang3</artifactId>    <version>3.12.0</version></dependency>

application.yml配置为

spring:  redis:    #数据库索引    database: 0    host: 192.168.31.28    port: 6379    password: 123456    lettuce:      pool:        #最大连接数        max-active: 8        #最大阻塞等待时间(负数表示没限制)        max-wait: -1        #最大空闲        max-idle: 8        #最小空闲        min-idle: 0        #连接超时时间    timeout: 10000

最后敏感词文本文件放在resources/static目录下，取名为word.txt，敏感词文本网上很多，这里就随便贴一个：github敏感词

# 不雅文字过滤

1、实现原理

简单原理如下图所示，使用了DFA算法，创建结点类，里面包含是否是敏感词结束符，以及一个HashMap，哈希里key值存储的是敏感词的一个词，value指向下一个结点（即指向下一个词），一个哈希表中可以存放多个值，比如赌博、赌黄这两个都是敏感词。

2、实现方法

2.1 敏感词库初始化

敏感词库的初始化，这里主要工作是读取敏感词文件，在内存中构建好敏感词的Map节点

/** * @author shawn * @version 1.0 * @ClassName SensitiveWordInit * Description:屏蔽一些无关紧要的警告。使开发者能看到一些他们真正关心的警告。从而提高开发者的效率 * 屏蔽敏感词初始化 * @date 2022/6/22 18:20 */@Configuration@SuppressWarnings({ "rawtypes", "unchecked" })public class SensitiveWordInit {    // 字符编码    private String ENCODING = "UTF-8";    // 初始化敏感字库    public Map initKeyWord() throws IOException {        // 读取敏感词库 ,存入Set中        Set<String> wordSet = readSensitiveWordFile();        // 将敏感词库加入到HashMap中//确定有穷自动机DFA        return addSensitiveWordToHashMap(wordSet);    }    // 读取敏感词库 ,存入HashMap中    private Set<String> readSensitiveWordFile() throws IOException {        Set<String> wordSet = null;        ClassPathResource classPathResource = new ClassPathResource("static/word.txt");        InputStream inputStream = classPathResource.getInputStream();        //敏感词库        try {            // 读取文件输入流            InputStreamReader read = new InputStreamReader(inputStream, ENCODING);            // 文件是否是文件 和 是否存在            wordSet = new HashSet<String>();            // StringBuffer sb = new StringBuffer();            // BufferedReader是包装类，先把字符读到缓存里，到缓存满了，再读入内存，提高了读的效率。            BufferedReader br = new BufferedReader(read);            String txt = null;            // 读取文件，将文件内容放入到set中            while ((txt = br.readLine()) != null) {                wordSet.add(txt);            }            br.close();            // 关闭文件流            read.close();        } catch (Exception e) {            e.printStackTrace();        }        return wordSet;    }    // 将HashSet中的敏感词,存入HashMap中    private Map addSensitiveWordToHashMap(Set<String> wordSet) {        // 初始化敏感词容器，减少扩容操作        Map wordMap = new HashMap(wordSet.size());        for (String word : wordSet) {            Map nowMap = wordMap;            for (int i = 0; i < word.length(); i++) {                // 转换成char型                char keyChar = word.charAt(i);                // 获取                Object tempMap = nowMap.get(keyChar);                // 如果存在该key，直接赋值                if (tempMap != null) {                    nowMap = (Map) tempMap;                }                // 不存在则，则构建一个map，同时将isEnd设置为0，因为他不是最后一个                else {                    // 设置标志位                    Map<String, String> newMap = new HashMap<String, String>();                    newMap.put("isEnd", "0");                    // 添加到集合                    nowMap.put(keyChar, newMap);                    nowMap = newMap;                }                // 最后一个                if (i == word.length() - 1) {                    nowMap.put("isEnd", "1");                }            }        }        return wordMap;    }}

2.2 敏感词过滤器

敏感词过滤器，主要功能是初始化敏感词库，敏感词的过滤以及替换

/** * @author shawn * @version 1.0 * @ClassName SensitiveFilter * Description:敏感词过滤器：利用DFA算法  进行敏感词过滤 * @date 2022/6/22 18:19 */@Componentpublic class SensitiveFilter {    /**     * 敏感词过滤器：利用DFA算法  进行敏感词过滤    */    private Map sensitiveWordMap = null;    /**     * 最小匹配规则，如：敏感词库["中国","中国人"]，语句："我是中国人"，匹配结果：我是[中国]人    */    public static int minMatchType = 1;    /**     * 最大匹配规则，如：敏感词库["中国","中国人"]，语句："我是中国人"，匹配结果：我是[中国人]    */    public static int maxMatchType = 2;    /**     * 敏感词替换词     */    public static String placeHolder = "**";    // 单例    private static SensitiveFilter instance = null;    /**     * 构造函数，初始化敏感词库    */    private SensitiveFilter() throws IOException {        sensitiveWordMap = new SensitiveWordInit().initKeyWord();    }    /**     * 获取单例    */    public static SensitiveFilter getInstance() throws IOException {        if (null == instance) {            instance = new SensitiveFilter();        }        return instance;    }    /**     * 获取文字中的敏感词    */    public Set<String> getSensitiveWord(String txt, int matchType) {        Set<String> sensitiveWordList = new HashSet<>();        for (int i = 0; i < txt.length(); i++) {            // 判断是否包含敏感字符            int length = CheckSensitiveWord(txt, i, matchType);            // 存在,加入list中            if (length > 0) {                sensitiveWordList.add(txt.substring(i, i + length));                // 减1的原因，是因为for会自增                i = i + length - 1;            }        }        return sensitiveWordList;    }    /**     * 替换敏感字字符,使用了默认的替换符合，默认最小匹配规则     */    public String replaceSensitiveWord(String txt) {        return replaceSensitiveWord(txt, minMatchType ,placeHolder);    }    /**     * 替换敏感字字符,使用了默认的替换符合     */    public String replaceSensitiveWord(String txt, int matchType) {        return replaceSensitiveWord(txt, matchType,placeHolder);    }    /**     * 替换敏感字字符    */    public String replaceSensitiveWord(String txt, int matchType,                                       String replaceChar) {        String resultTxt = txt;        // 获取所有的敏感词        Set<String> set = getSensitiveWord(txt, matchType);        Iterator<String> iterator = set.iterator();        String word = null;        String replaceString = null;        while (iterator.hasNext()) {            word = iterator.next();            replaceString = getReplaceChars(replaceChar, word.length());            resultTxt = resultTxt.replaceAll(word, replaceString);        }        return resultTxt;    }    /**     * 获取替换字符串     */    private String getReplaceChars(String replaceChar, int length) {        StringBuilder resultReplace = new StringBuilder(replaceChar);        for (int i = 1; i < length; i++) {            resultReplace.append(replaceChar);        }        return resultReplace.toString();    }    /**     * 检查文字中是否包含敏感字符，检查规则如下：<br>     * 如果存在，则返回敏感词字符的长度，不存在返回0     * 核心     */    public int CheckSensitiveWord(String txt, int beginIndex, int matchType) {        // 敏感词结束标识位：用于敏感词只有1的情况结束        boolean flag = false;        // 匹配标识数默认为0        int matchFlag = 0;        Map nowMap = sensitiveWordMap;        for (int i = beginIndex; i < txt.length(); i++) {            char word = txt.charAt(i);            // 获取指定key            nowMap = (Map) nowMap.get(word);            // 存在，则判断是否为最后一个            if (nowMap != null) {                // 找到相应key，匹配标识+1                matchFlag++;                // 如果为最后一个匹配规则,结束循环，返回匹配标识数                if ("1".equals(nowMap.get("isEnd"))) {                    // 结束标志位为true                    flag = true;                    // 最小规则，直接返回,最大规则还需继续查找                    if (SensitiveFilter.minMatchType == matchType) {                        break;                    }                }            }            // 不存在，直接返回            else {                break;            }        }        // 匹配长度如果匹配上了最小匹配长度或者最大匹配长度        if (SensitiveFilter.maxMatchType == matchType || SensitiveFilter.minMatchType == matchType){            //长度必须大于等于1，为词，或者敏感词库还没有结束(匹配了一半)，flag为false            if(matchFlag < 2 || !flag){                matchFlag = 0;            }        }        return matchFlag;    }}

2.3 测试使用

最后进行测试，这里有两种方式可以获取，因为容器初始化时会默认执行无参构造​​​​​​​

@RestControllerpublic class SensitiveController {    private static Logger logger = LoggerFactory.getLogger(SensitiveController.class);    @Autowired    SensitiveFilter sensitiveFilter;    @GetMapping("/sensitive")    public String sensitive(String keyword){        String s = sensitiveFilter.replaceSensitiveWord(keyword);        return s;    }    // 两种方式都可以    public static void main(String[] args) throws IOException {        String searchKey = "傻逼h";        String placeholder = "***";        //非法敏感词汇判断        SensitiveFilter filter = SensitiveFilter.getInstance();        String s = filter.replaceSensitiveWord(searchKey, 1, placeholder);        System.out.println(s);        int n = filter.CheckSensitiveWord(searchKey,0,2);        //存在非法字符        if(n > 0){            logger.info("这个人输入了非法字符--> {},不知道他到底要查什么~ userid--> {}",searchKey,1);        }    }}

# Redis搜索栏热搜

1、前言

使用java和redis实现一个简单的热搜功能，具备以下功能：

搜索栏展示当前登陆的个人用户的搜索历史记录，删除个人历史记录

用户在搜索栏输入某字符，则将该字符记录下来 以zset格式存储的redis中，记录该字符被搜索的个数以及当前的时间戳 （用了DFA算法）

每当用户查询了已在redis存在了的字符时，则直接累加个数， 用来获取平台上最热查询的十条数据。（可以自己写接口或者直接在redis中添加一些预备好的关键词）

最后还要做不雅文字过滤功能。

代码实现热搜与个人搜索记录功能，主要controller层下几个方法就行了 ：

• 向redis 添加热搜词汇(添加的时候使用下面不雅文字过滤的方法来过滤下这个词汇，合法再去存储

• 每次点击给相关词热度 +1

• 根据key搜索相关最热的前十名

• 插入个人搜索记录

• 查询个人搜索记录

2、代码实现

2.1 创建RedisKeyUtils 工具类

管理redis的键，防止太乱了​​​​​​​

public class RedisKeyUtils {    /**     * 分隔符号    */    private static final String SPLIT = ":";    private static final String SEARCH = "search";    private static final String SEARCH_HISTORY = "search-history";    private static final String HOT_SEARCH = "hot-search";    private static final String SEARCH_TIME = "search-time";    /**     * 每个用户的个人搜索记录hash    */    public static String getSearchHistoryKey(String userId){        return SEARCH + SPLIT + SEARCH_HISTORY + SPLIT + userId;    }    /**     * 总的热搜zset     */    public static String getHotSearchKey(){        return SEARCH + SPLIT + HOT_SEARCH;    }    /**     * 每个搜索记录的时间戳记录：key-value     */    public static String getSearchTimeKey(String searchKey){        return SEARCH + SPLIT + SEARCH_TIME + SPLIT + searchKey;    }    }

2.2 核心搜索文件

两个文件是一起的​​​​​​​

@Service("redisService")public class RedisService {    private Logger logger = LoggerFactory.getLogger(RedisService.class);    /**     * 取热搜前几名返回    */    private static final Integer HOT_SEARCH_NUMBER = 9;    /**     * 多少时间内的搜索记录胃热搜     */    private static final Long HOT_SEARCH_TIME = 30 * 24 * 60 * 60L;            @Resource    private StringRedisTemplate redisSearchTemplate;    /**     * 新增一条该userid用户在搜索栏的历史记录    */    public Long addSearchHistoryByUserId(String userId, String searchKey) {        try{            String redisKey = RedisKeyUtils.getSearchHistoryKey(userId);            // 如果存在这个key            boolean b = Boolean.TRUE.equals(redisSearchTemplate.hasKey(redisKey));            if (b) {                // 获取这个关键词hash的值，有就返回，没有就新增                Object hk = redisSearchTemplate.opsForHash().get(redisKey, searchKey);                if (hk != null) {                    return 1L;                }else{                    redisSearchTemplate.opsForHash().put(redisKey, searchKey, "1");                }            }else{                // 没有这个关键词就新增                redisSearchTemplate.opsForHash().put(redisKey, searchKey, "1");            }            return 1L;        }catch (Exception e){            logger.error("redis发生异常，异常原因：",e);            return 0L;        }    }    /**     * 删除个人历史数据    */    public Long delSearchHistoryByUserId(String userId, String searchKey) {        try {            String redisKey = RedisKeyUtils.getSearchHistoryKey(userId);            // 删除这个用户的关键词记录            return redisSearchTemplate.opsForHash().delete(redisKey, searchKey);        }catch (Exception e){            logger.error("redis发生异常，异常原因：",e);            return 0L;        }    }    /**     * 获取个人历史数据列表    */    public List<String> getSearchHistoryByUserId(String userId) {        try{            List<String> stringList = null;            String redisKey = RedisKeyUtils.getSearchHistoryKey(userId);            // 判断存不存在            boolean b = Boolean.TRUE.equals(redisSearchTemplate.hasKey(redisKey));            if(b){                stringList = new ArrayList<>();                // 逐个扫描，ScanOptions.NONE为获取全部键对，ScanOptions.scanOptions().match("map1").build() 匹配获取键位map1的键值对,不能模糊匹配                Cursor<Map.Entry<Object, Object>> cursor = redisSearchTemplate.opsForHash().scan(redisKey, ScanOptions.NONE);                while (cursor.hasNext()) {                    Map.Entry<Object, Object> map = cursor.next();                    String key = map.getKey().toString();                    stringList.add(key);                }                return stringList;            }            return null;        }catch (Exception e){            logger.error("redis发生异常，异常原因：",e);            return null;        }    }    /**     * 根据searchKey搜索其相关最热的前十名 (如果searchKey为null空，则返回redis存储的前十最热词条)    */    public List<String> getHotList(String searchKey) {        try {            Long now = System.currentTimeMillis();            List<String> result = new ArrayList<>();            ZSetOperations<String, String> zSetOperations = redisSearchTemplate.opsForZSet();            ValueOperations<String, String> valueOperations = redisSearchTemplate.opsForValue();            Set<String> value = zSetOperations.reverseRangeByScore(RedisKeyUtils.getHotSearchKey(), 0, Double.MAX_VALUE);            //key不为空的时候 推荐相关的最热前十名            if(StringUtils.isNotEmpty(searchKey)){                for (String val : value) {                    if (StringUtils.containsIgnoreCase(val, searchKey)) {                        //只返回最热的前十名                        if (result.size() > HOT_SEARCH_NUMBER) {                            break;                        }                        Long time = Long.valueOf(Objects.requireNonNull(valueOperations.get(val)));                        //返回最近一个月的数据                        if ((now - time) < HOT_SEARCH_TIME) {                            result.add(val);                        } else {//时间超过一个月没搜索就把这个词热度归0                            zSetOperations.add(RedisKeyUtils.getHotSearchKey(), val, 0);                        }                    }                }            }else{                for (String val : value) {                    //只返回最热的前十名                    if (result.size() > HOT_SEARCH_NUMBER) {                        break;                    }                    Long time = Long.valueOf(Objects.requireNonNull(valueOperations.get(val)));                    //返回最近一个月的数据                    if ((now - time) < HOT_SEARCH_TIME) {                        result.add(val);                    } else {                        //时间超过一个月没搜索就把这个词热度归0                        zSetOperations.add(RedisKeyUtils.getHotSearchKey(), val, 0);                    }                }            }            return result;        }catch (Exception e){            logger.error("redis发生异常，异常原因：",e);            return null;        }    }}

接上一个

@Service("redisService")public class RedisService {    private Logger logger = LoggerFactory.getLogger(RedisService.class);    @Resource    private StringRedisTemplate redisSearchTemplate;    /**     * 新增一条热词搜索记录，将用户输入的热词存储下来    */    public int incrementScoreByUserId(String searchKey) {        Long now = System.currentTimeMillis();        ZSetOperations<String, String> zSetOperations = redisSearchTemplate.opsForZSet();        ValueOperations<String, String> valueOperations = redisSearchTemplate.opsForValue();        List<String> title = new ArrayList<>();        title.add(searchKey);        for (int i = 0, length = title.size(); i < length; i++) {            String tle = title.get(i);            try {                if (zSetOperations.score(RedisKeyUtils.getHotSearchKey(), tle) <= 0) {                    zSetOperations.add(RedisKeyUtils.getHotSearchKey(), tle, 0);                    valueOperations.set(RedisKeyUtils.getSearchTimeKey(tle), String.valueOf(now));                }            } catch (Exception e) {                zSetOperations.add(RedisKeyUtils.getHotSearchKey(), tle, 0);                valueOperations.set(RedisKeyUtils.getSearchTimeKey(tle), String.valueOf(now));            }        }        return 1;    }    /**     * 每次点击给相关词searchKey热度 +1    */    public Long incrementScore(String searchKey) {        try{            Long now = System.currentTimeMillis();            ZSetOperations<String, String> zSetOperations = redisSearchTemplate.opsForZSet();            ValueOperations<String, String> valueOperations = redisSearchTemplate.opsForValue();            // 没有的话就插入，有的话的直接更新；add是有就覆盖，没有就插入            zSetOperations.incrementScore(RedisKeyUtils.getHotSearchKey(), searchKey, 1);            valueOperations.getAndSet(RedisKeyUtils.getSearchTimeKey(searchKey), String.valueOf(now));            return 1L;        }catch (Exception e){            logger.error("redis发生异常，异常原因：",e);            return 0L;        }    }}

2.3 测试使用

以下只是简单的测试，上面的核心函数可以自己组合，一般组合加上敏感词过滤

@RestControllerpublic class SearchHistoryController {    @Autowired    RedisService redisService;    @GetMapping("/add")    public String addSearchHistoryByUserId(String userId, String searchKey) {        redisService.addSearchHistoryByUserId(userId, searchKey);        redisService.incrementScore(searchKey);        return null;    }    /**     * 删除个人历史数据     */    @GetMapping("/del")    public Long delSearchHistoryByUserId(String userId, String searchKey) {        return redisService.delSearchHistoryByUserId(userId, searchKey);    }    /**     * 获取个人历史数据列表     */    @GetMapping("/getUser")    public List<String> getSearchHistoryByUserId(String userId) {        return redisService.getSearchHistoryByUserId(userId);    }    /**     * 根据searchKey搜索其相关最热的前十名 (如果searchKey为null空，则返回redis存储的前十最热词条)     */    @GetMapping("/getHot")    public List<String> getHotList(String searchKey) {        return redisService.getHotList(searchKey);    }    }