先上张图片来简单说明一下简单说一下前缀树的特点
前缀树过滤敏感词运作原理图如下
3.创建一个springboot项目,在resource目录下面定义一个敏感词汇的文本,这里简单取个名字叫做sensitive-word.txt,文本里面的敏感词汇如下
4.新建一个工具包,里面实现敏感词汇过滤的代码如下
package com.cd.utils;
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;
/**
* 敏感词过滤器
*/
@Component
public class SensitiveFilter {
private static final Logger logger = LoggerFactory.getLogger(SensitiveFilter.class);
// 替换符
private static final String REPLACEMENT = "***";
// 初始化根节点
private TrieNode rootNode = new TrieNode();
@PostConstruct // 当容器在实例化这个bean的时候,该方法就会被调用
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
this.addKeyword(keyword);
}
}catch (IOException e){
logger.error("加载敏感词文件失败"+e.getMessage());
}
}
// 将一个敏感词添加到前缀树中
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){
// 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
if (i == keyword.length()-1){
tempNode.setIskeywordEnd(true);
}
}
}
/**
*
* @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;
// 结果
StringBuilder sb = new StringBuilder();
while (position < text.length()) {
char c = text.charAt(position);
// 跳过符号
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.isIskeywordEnd()) {
// 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));
return sb.toString();
}
// 判断是否为符号
private boolean isSymbol(Character c) {
// 0x2E80~0x9FFF 是东亚文字范围
return !CharUtils.isAsciiAlphanumeric(c) && (c < 0x2E80 || c > 0x9FFF);
}
// 描述的是当前前缀树的某一个节点
private class TrieNode{
// 是否是最后一个节点元素
private boolean iskeywordEnd= false;
// 子节点(key是下级字符,value是下级节点类型)
private Map<Character,TrieNode> subNode = new HashMap<>();
public boolean isIskeywordEnd() {
return iskeywordEnd;
}
public void setIskeywordEnd(boolean iskeywordEnd) {
this.iskeywordEnd = iskeywordEnd;
}
// 添加子节点
public void addSubNode(Character c,TrieNode node){
subNode.put(c,node);
}
// 获取子节点
public TrieNode getSubNode(Character c){
return subNode.get(c);
}
}
}
最后编写测试代码如下检测过滤结果
package com.cd;
import com.cd.utils.SensitiveFilter;
import org.junit.Test;
import org.junit.runner.RunWith;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.test.context.ContextConfiguration;
import org.springframework.test.context.junit4.SpringRunner;
@RunWith(SpringRunner.class)
@SpringBootTest
@ContextConfiguration(classes = SpringbootCommunityApplication.class)
public class SensitiveTest {
@Autowired
private SensitiveFilter sensitiveFilter;
@Test
public void testSensitiveFilter(){
String text = "这里可以赌博,可以嫖娼,可以吸毒,可以开票,哈哈哈!";
// 过滤之后的文本
text = sensitiveFilter.filter(text);
System.out.println(text);
text = "这里可以☆赌☆博,可以嫖☆娼,哈哈哈";
System.out.println(text);
}
}
测试结果如下