- 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