14-（第三章）过滤敏感词

• 前缀树
  • 名称: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。
• 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

前缀树：根节点不包含任何字符（空）；每个节点只包含一个字符；从根节点到当前子节点的路径，就是当前子节点所表示的字符串；每个子节点表示的字符串一定是不同的；
到叶子结点，是敏感词


2指针标记起始位置，3指针标记的是结尾位置（会来回走）

代码实现算法：

resource底下创建敏感词文件

工具类：

package com.nowcoder.community.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.BufferedReader;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.util.HashMap;
import java.util.Map;

@Component
public class SensitiveFilter {

    private static final Logger logger = LoggerFactory.getLogger(SensitiveFilter.class);//准备打印日志

    // 替换符（常量）
    private static final String REPLACEMENT = "***";

    // 根节点（空，内部不存字符）
    private TrieNode rootNode = new TrieNode();


    //第二步: 初始化前缀树
    @PostConstruct//表示一个初始化方法，当容器实例化当前类的bean后，调用完构造器后，init方法就会被调用,在 服务启动时就会初始化
    public void init() {
        try (
                //类加载器从类路径加载文件，所有文件编译后，都会在target/classes中存在，注意要clear
                //注意是字节流文件，所以要关闭，
                InputStream is = this.getClass().getClassLoader().getResourceAsStream("sensitive-words.txt");
                BufferedReader reader = new BufferedReader(new InputStreamReader(is));
                //把字节流转化成字符流
        ) {
            String keyword;
            //从文件中读
            while ((keyword = reader.readLine()) != null) {
                // 添加到前缀树
                this.addKeyword(keyword);
            }
        } catch (IOException e) {
            logger.error("加载敏感词文件失败: " + e.getMessage());
        }
    }

    // 第2.0步：将一个敏感词添加到前缀树中
    private void addKeyword(String keyword) {//内部使用，不需要共有
        TrieNode tempNode = rootNode;//默认指向根
        for (int i = 0; i < keyword.length(); i++) {
            char c = keyword.charAt(i);
            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，最后一个字符要打一个标记
            if (i == keyword.length() - 1) {
                tempNode.setKeywordEnd(true);
            }
        }
    }

    /**
     * 过滤敏感词
     *
     * @param 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1
        TrieNode tempNode = rootNode;
        // 指针2
        int begin = 0;
        // 指针3
        int position = 0;
        // 记录的结果
        StringBuilder sb = new StringBuilder();

        while (position < text.length()) {//用指针三循环，更快到结尾处；
            char c = text.charAt(position);

            // 跳过符号：❤开❤票，也是一种敏感词，就需要跳过
            if (isSymbol(c)) {
                // 若指针1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++;
                }
                // 无论符号在开头或中间,指针3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;
                // 重新指向根节点
                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;
                // 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));//从begin截取到最后

        return sb.toString();
    }

    // 判断是否为符号
    private boolean isSymbol(Character c) {
        // 0x2E80~0x9FFF 是东亚文字范围，若CharUtils.isAsciiAlphanumeric是特殊符号方法返回false
        return !CharUtils.isAsciiAlphanumeric(c) && (c < 0x2E80 || c > 0x9FFF);
        //(c < 0x2E80 || c > 0x9FFF)东亚文字范围之外
    }

    // 第一步：定义前缀树结构，内部类；做好标记，维护好上下级的关系
    private class TrieNode {

        // 关键词结束标识
        private boolean isKeywordEnd = false;//是否是单词的结尾

        // 子节点(key是下级节点的字符,value是下级节点（类型也提到了）)，当前节点的子节点
        private Map<Character, TrieNode> subNodes = new HashMap<>();

        public boolean isKeywordEnd() {
            return isKeywordEnd;
        }

        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);
        }

    }

}

测试类

过滤的逻辑可以仔细想想，画图示意