java敏感词过滤算法

本文参考博客:https://blog.csdn.net/henshuia/article/details/111498753?utm_medium=distribute.pc_relevant.none-task-blog-2defaultbaidujs_title~default-0.pc_relevant_default&spm=1001.2101.3001.4242.1&utm_relevant_index=3
再次感谢作者分享!

实现敏感词过滤,一般都是遍历敏感词库然后一个一个的用敏感词进行匹配,但是这样效率不高并且如果敏感词中间掺杂特殊符号或者空格就匹配不到了,其次高级点使用正则匹配,但是正则匹配效率低,所有就使用DFA算法解决。

DFA简介
在实现文字过滤的算法中,DFA是唯一比较好的实现算法。DFA即Deterministic Finite Automaton,也就是确定有穷自动机,它是是通过event和当前的state得到下一个state,即event+state=nextstate。下图展示了其状态的转换

如果我们敏感词是:黄色、黄赌毒、黄色丝袜、丝袜,则数据结构如下所示
在这里插入图片描述
每次过滤文章的时候先从整片文章从第一个字开始往后过滤,如果当前这个字存在根节点下则用这个字后面字个这个节点下一个节点匹配,如果存在并且end=1则是敏感词。
首先创建对敏感词处理,按格式写入

    private SoftReference<Map<String, Map>> sensitiveWordReference=null;
    private void setWordMap(List<String> result){
        Map<String, Map> sensitiveWordMap=new HashMap<>(result.size());
        Iterator<String> iterator = result.iterator();
        String key = null;
        Map nowMap = null;
        while(iterator.hasNext()){
            nowMap=sensitiveWordMap;
            key = iterator.next();
            for(int i=0;i< key.length();i++){
                char keyChar = key.charAt(i);
                if(nowMap.containsKey(keyChar)){
                    nowMap=(Map)nowMap.get(keyChar);
                }else{
                    Map<String,String>newWorMap = new HashMap();
                    newWorMap.put("end", "0");
                    nowMap.put(keyChar, newWorMap);
                    nowMap = newWorMap;
                }
                if(i==(key.length()-1)){
                    nowMap.put("end","1");
                }
            }
        }
        log.info("敏感词组合{}", JSONObject.toJSONString(sensitiveWordMap));
        sensitiveWordReference=new SoftReference<Map<String, Map>>(sensitiveWordMap);
    }

敏感词是:毒品,黑色,黄色丝袜,色情,丝袜,黄色,黄赌毒

敏感词组合 {
	"黑": {
		"色": {
			"end": "1"
		},
		"end": "0"
	},
	"毒": {
		"品": {
			"end": "1"
		},
		"end": "0"
	},
	"色": {
		"情": {
			"end": "1"
		},
		"end": "0"
	},
	"黄": {
		"色": {
			"end": "1",
			"丝": {
				"end": "0",
				"袜": {
					"end": "1"
				}
			}
		},
		"end": "0",
		"赌": {
			"毒": {
				"end": "1"
			},
			"end": "0"
		}
	},
	"丝": {
		"end": "0",
		"袜": {
			"end": "1"
		}
	}
}

检查并返回匹配到的第一个敏感词

private String checkWords(String sensitiveWords){
        if(StringUtils.isEmpty(sensitiveWords)){
            return StringUtils.EMPTY;
        }
        Map<String, Map> sensitiveWordMap=sensitiveWordReference.get();
        Map nowMap = null;
        StringBuffer sb=new StringBuffer();
        for(int i =0; i < sensitiveWords.length(); i++){
            if(!Character.toString(sensitiveWords.charAt(i)).matches("[\\u4E00-\\u9FA5]+")) {
                continue;
            }
            if(!sensitiveWordMap.containsKey(sensitiveWords.charAt(i))){
                continue;
            }
            sb=new StringBuffer().append(sensitiveWords.charAt(i));
            nowMap=sensitiveWordMap.get(sensitiveWords.charAt(i));
            int sensitiveWordLength=i;
            while (sensitiveWordLength<MAX_MAP_LENGTH){
                sensitiveWordLength++;
                if(!Character.toString(sensitiveWords.charAt(sensitiveWordLength)).matches("[\\u4E00-\\u9FA5]+")) {
                    sb.append(sensitiveWords.charAt(sensitiveWordLength));
                    continue;
                }
                nowMap=(Map)nowMap.get(sensitiveWords.charAt(sensitiveWordLength));
                if(CollectionUtils.isEmpty(nowMap)){
                    break;
                }
                sb.append(sensitiveWords.charAt(sensitiveWordLength));
                if(nowMap.get("end").equals("1")){
                    return sb.toString();
                }
            }
        }
        return sb.toString();
    }

本文增加了对特殊字符的处理,匹配敏感词的时候会忽略特殊字符只匹配汉字。
执行输入检查的文章:发 丝 0 袜送的发达色法士大夫黄 的色是打发士大 夫是
返回结果敏感词是:丝 0 袜

  • 1
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
以下是Java中利用DFA算法实现敏感过滤的方法: 1.首先需要构建敏感库,将所有敏感存储在一个Trie树中。 2.然后需要实现DFA算法,对输入的文本进行扫描,查找其中是否包含敏感。 3.在DFA算法中,需要定义一个状态转移表,用于记录当前状态和下一个状态之间的转移关系。状态转移表可以使用HashMap来实现。 4.对于每个输入字符,都需要根据状态转移表来进行状态转移。如果当前状态是敏感的结尾状态,则说明找到了一个敏感。 5.最后,将所有找到的敏感替换成指定的字符即可。 以下是Java代码示例: ```java import java.util.HashMap; import java.util.Map; public class SensitiveWordFilter { private TrieNode root = new TrieNode(); private static final char REPLACE_CHAR = '*'; public SensitiveWordFilter(String[] words) { for (String word : words) { insertWord(word); } } private void insertWord(String word) { TrieNode node = root; for (char c : word.toCharArray()) { if (!node.children.containsKey(c)) { node.children.put(c, new TrieNode()); } node = node.children.get(c); } node.isEnd = true; } public String filter(String text) { StringBuilder sb = new StringBuilder(); int i = 0; while (i < text.length()) { TrieNode node = root; int j = i; while (j < text.length() && node.children.containsKey(text.charAt(j))) { node = node.children.get(text.charAt(j)); if (node.isEnd) { for (int k = i; k <= j; k++) { sb.append(REPLACE_CHAR); } i = j + 1; break; } j++; } if (j == text.length() || !node.children.containsKey(text.charAt(j))) { sb.append(text.charAt(i)); i++; } } return sb.toString(); } private static class TrieNode { Map<Character, TrieNode> children = new HashMap<>(); boolean isEnd = false; } } ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值