java实现敏感词过滤算法DFA并忽略敏感词中的特殊字符

最新推荐文章于 2022-10-24 14:53:23 发布

HolidayLee.

最新推荐文章于 2022-10-24 14:53:23 发布

阅读量1.2k

点赞数

分类专栏：敏感词过滤文章标签： DFA算法敏感词匹配 springboot java

本文链接：https://blog.csdn.net/qq_37549757/article/details/95043309

版权

这篇博客介绍了如何在Java中实现DFA算法进行敏感词过滤，并补充了最大/最小匹配规则和自动忽略特殊字符的功能。文章提到了20191227的更新，通过正则表达式优化减少了回溯次数。此外，作者分享了一个使用SpringBoot加载敏感词文件并在运行时匹配敏感词的示例，同时提出了动态更新敏感词库的需求。

摘要由CSDN通过智能技术生成

参考文章:https://blog.csdn.net/chenssy/article/details/26961957

补充说明:

1.具体的DFA介绍参考原文章,此处只是补充了文章中没有介绍的点以及根据实际需求进行了改造

2.最大/小匹配规则:比如说存在两个敏感词[abc,ab],最大规则匹配中abc,最小匹配规则匹配中ab

3.添加自动忽略特殊字符的功能

/**
 * 判断是否是要忽略的字符(忽略所有特殊字符以及空格)
 * @param specificChar 指定字符
 * @return 特殊字符或空格true否则false
 */
private boolean isIgnore(char specificChar){
   String regex = "[`~!@#$%^&*()+=|{}':;',\\\\[\\\\].<>/?~！@#￥%……&*（）——+|{}【】‘；：”“’。，、？]|\\s*";
   Pattern pattern = Pattern.compile(regex);
   Matcher matcher = pattern.matcher(String.valueOf(specificChar));
   return matcher.matches();
}

--------------------------------------------------------分隔线---------------------------------------------------------------------

20191227更新:此处使用正则表达式可以进行优化,正则表达式优化主要是要减少回溯次数,具体可参考下述文章

https://www.cnblogs.com/softidea/p/9552080.html

优化函数代码:

/**
 * 忽略特殊字符的正则表达式MATCHER
 */
private final Matcher IGNORE_MATCHER = Pattern.compile(IGNORE_SPECIAL_CHAR_REGEX).matcher("");

/**
 * 判断是否是要忽略的字符(忽略所有特殊字符以及空格)
 *
 * @param specificChar 指定字符
 * @return 特殊字符或空格true否则false
 */
private boolean isIgnore(char specificChar) {
    return IGNORE_MATCHER.reset(String.valueOf(specificChar)).matches();
}

--------------------------------------------------------分隔线---------------------------------------------------------------------

实际业务需求:

一堆敏感词文件,一个词一行,把目录下的所有敏感词文件在启动项目的时候加载进去,并且提供匹配敏感词的方法

优化点:

做到不重启应用更新敏感词库,这个需要进行对敏感词文件的动态监控,然后发生变化后更新DFA树,有时间再研究

实现代码(采用springboot方式实现,其实就是java,但是用的springboot的@PostConstruct注解在启动前加载敏感词库):