过滤敏感词
咳咳,我们做项目哈,都会有要做利用侦听器做过滤敏感词的操作哈,其实呢,我们可以直接用equals方法,直接进行匹配,然后过滤掉,就可以了,但是呢,一个网站,往往有很多很多的信息需要做这样的操作,这样就有点拖了哈,
所以我们这次利用字典树的形式,进行过滤操作
字典树
- Trie字典树,又称查找树
- 特点: 查找效率超级高,但是消耗内存大
- 应用:可以用于字符串检索,词频统计、字符串排序等等。
- 先来看看是什么样子的吧
- 就是这样的哈,一般我们头结点为空哈,
- 然后每一层的节点是必须不能有相同的节点的
- 然后每个节点只带有一个字符,
字典树数据结构
private class TrieNode{
// 关键词结束的标识
private boolean isKeywordEnd;
// 子节点 (key是下级字符, value是下级节点)
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);
}
}
- 因为是要写一个过滤敏感词的工具类,所以我们的数据结构就以内部类的形式来表示了
- 首先有一个标记,表示该节点是不是单词的最后一个字符。
- 然后用map来封装下级节点,做好 getter 和 setter 即可
有了数据结构,我们就可以进行初始化的操作了
- 首先我们要搞一个敏感词的文本,每行装一些敏感词
@PostConstruct
public void init(){
try(
InputStream is = this.getClass().getClassLoader().getResourceAsStream("sensitive-words.txt");
BufferedReader reader = new BufferedReader(new InputStreamReader(is));
){
String keyWord ;
while((keyWord = reader.readLine()) != null){
// 添加到前缀树里面去
this.addKeyWord(keyWord);
}
}catch (IOException e){
logger.error("加载敏感词文件失败: " + e.getMessage());
}
}
- @PostConstruct注解就是初始化的注解,在构造器之前运行。
- 然后将文本文件里面的依次添加到字典树里面去,构造出一颗 敏感词字典树
- 添加的方法也很简单哈
// 将单词添加前缀树里面去
private void addKeyWord(String keyWord){
TrieNode tempNode = rootNode;
for(int i=0;i<keyWord.length();i++){
char c = keyWord.charAt(i);
TrieNode subNode = tempNode.getSubNode(c);
if(subNode == null){
subNode = new TrieNode();
tempNode.addSubNode(c,subNode);
}
// 指向子节点,方便下一次的循环
tempNode = subNode;
if(i == keyWord.length()-1){
tempNode.setKeywordEnd(true);
}
}
}
- 搞个循环一次村辖区就行了。最后一个字符的时候记得打上标记哦!!!
然后我们就可以进行过滤的操作了
- 给出一个敏感词,投进去,按照各种情况分析,最后输出即可
- 然后这里给出全部代码哈
@Component
public class SensitiveFilter {
private static final Logger logger = LoggerFactory.getLogger(SensitiveFilter.class);
// 替换的字符
private static final String REPLACEMENT = "***";
// 初始化数组
private TrieNode rootNode = new TrieNode();
@PostConstruct
public void init(){
try(
InputStream is = this.getClass().getClassLoader().getResourceAsStream("sensitive-words.txt");
BufferedReader reader = new BufferedReader(new InputStreamReader(is));
){
String keyWord ;
while((keyWord = reader.readLine()) != null){
// 添加到前缀树里面去
this.addKeyWord(keyWord);
}
}catch (IOException e){
logger.error("加载敏感词文件失败: " + e.getMessage());
}
}
// 前缀树数据结构
private class TrieNode{
// 关键词结束的标识
private boolean isKeywordEnd;
// 子节点 (key是下级字符, value是下级节点)
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);
}
}
// 将单词添加前缀树里面去
private void addKeyWord(String keyWord){
TrieNode tempNode = rootNode;
for(int i=0;i<keyWord.length();i++){
char c = keyWord.charAt(i);
TrieNode subNode = tempNode.getSubNode(c);
if(subNode == null){
subNode = new TrieNode();
tempNode.addSubNode(c,subNode);
}
// 指向子节点,方便下一次的循环
tempNode = subNode;
if(i == keyWord.length()-1){
tempNode.setKeywordEnd(true);
}
}
}
/**
* 过滤敏感词
* @param text 可能带有敏感词的文本
* @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;
// 用于存放结果的变量
StringBuilder sb = new StringBuilder();
while(position < text.length()){
char c = text.charAt(position);
// 跳过特殊符号
if(isSymbol(c)){
if(tempNode == rootNode){ // 判断他是不是头结点
sb.append(c);
begin++;
}
position++; // 指针3 都会向下走
continue;
}
// 检查下级节点
tempNode = tempNode.getSubNode(c);
if(tempNode == null){
// 以begin为开头的单词不是敏感词
sb.append(text.charAt(begin));
begin++;
position = begin;
// 重新指向根节点
tempNode = rootNode;
} else if(tempNode.isKeywordEnd()){
// 表示我找到了一个敏感词,那么我们需要将begin~position的文本调换掉
sb.append(REPLACEMENT);
position++;
begin = position;
tempNode = rootNode;
}else { // 怀疑是铭感词
// 检查下一个字符
position++;
}
}
// 将最后一批字符记录结果里面
sb.append(text.substring(begin));
return sb.toString();
}
// 判断该字符是否是特殊字符
public boolean isSymbol(Character c){
return !CharUtils.isAsciiAlphanumeric(c) && (c<0x2E80 || c>0x9FFF);
}
}
- 然后我们搞个测试类来试试吧
- 可以看出,还是挺好的,
- 后面的案例呢,要特别处理下哈,因为有些可爱的网友呀,中间插些特殊字符就以为我们搞不定了哈,实则不然,我们有特判滴,啊哈哈
- 溜啦溜啦