Trie(字典树),正如它的名字一样,其主要的作用就是来存储字符串的,用它来实现字符串的查找效率比较高,查找的时间复杂度主要和它的元素(字符串的长度)O(W)相关,但是消耗的内存也比较大。
字典树主要应用于:
- 字符串的检索
- 词频统计
- 字符串的排序
利用Trie实现敏感词过滤器主要有下面三个步骤:
- 定义前缀树
- 根据敏感词,初始化前缀树
- 编写过滤敏感词的算法
定义和初始化前缀树
- 根节点没有字符
- 除了根节点每个节点都只有一个字符
- 每个节点所有的子节点的字符都不相同
字符串的每个字符作为一个Node节点,Node’节点主要有两部分组成
1.是否为单词(boolean isKeyWordEnd)
2.节点所有的子节点,用map来保存 key是字符,value 是子节点
//定义前缀树
private class TrieNode {
//表示是否为关键词的结尾
private boolean isKeyWordEnd = false;
//子节点
private Map<Character, TrieNode> subNodes = new HashMap<>();
//判断是否是关键词的结尾
public boolean isKeyWordEnd() {
return isKeyWordEnd;
}
//设置关键词的结尾为true
public void setKeyWordEnd(boolean isKeyWordEnd) {
this.isKeyWordEnd = isKeyWordEnd;
}
//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);
}
}
根据敏感词,初始化前缀树
//将一个敏感词添加到前缀树中
private void addKeyWord(String keyword) {
TrieNode temp = rootNode;
for (int i = 0; i < keyword.length(); i++) {
char c = keyword.charAt(i);
TrieNode subNode = temp.getSubNode(c);
//如果子节点中不存在该字符节点
if (subNode == null) {
subNode = new TrieNode();
temp.addSubNode(c, subNode);
}
//指向下一个节点,进行下一个循环
temp = subNode;
//如果遍历到字符结束的位置,就要设置节点的字符结束标志位为true
if (i == keyword.length() - 1) {
temp.setKeyWordEnd(true);
}
}
}
例如把单词abc插入到前缀树中,如果用户输入ab,尽管abc包含了ab,但是trie中仍然不包含ab这个单词,所以插入到单词的最后一个位置时,需要设置当前最后一个节点的结束标志位为true,代表这是一个完整的敏感词。
敏感词过滤算法的实现
设置三个指针
指针1:初始时指向前缀树的root根节点
指针2:初始时指向待过滤字符的头结点,表示敏感词的开头
指针3:初始时指向待过滤字符的头结点,表示敏感词的末尾
利用StringBuilder接收返回值
在指针1所指向节点的子节点中寻找是否出现指针3所指向的字符,如果没有指针2和指针3进入下一个位置,并将滑过的值添加到stringbuilder中。
当指针1之指向的节点的子节点中能找到指针3指向的值时,指针1指向对应的子节点,指针2在原位置不动(疑似敏感词的开头位置)
指针3继续步进,此时在指针1对应的子节点中找不动指针3的值f!=c,指针3就要回到指针2的下一个节点,指针1需要回到根节点,继续寻找以b开头的字符是不是敏感词。
指针3继续步进,并与指针1指向的节点的自己点的值比对,当两者都指向字符’f’的时候,判断节点f的敏感词标志位是否为true,如果为true表示找到一个敏感词,并将其替换为‘***’添加到stringbuilder中,随后指针2指向指针3的下一个位置即a,指针1重回root,继续进行过滤。
//敏感词过滤算法的实现
public String filter(String text){
if(StringUtils.isBlank(text)){
return null;
}
//指针1
TrieNode tempNode=rootNode;
//指针2 指向字符的开头
int begin=0;
//指针3 指向疑似敏感字符的结尾
int position=0;
//结果
StringBuilder sb=new StringBuilder();
while(begin<text.length()) {
char c = text.charAt(position);
//跳过符号
if (isSymbol(c)) {
//如果指针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++;
}
//无论符号在开头还是中间,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字符串替换点
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
if (position<text.length()-1){
position++;
}
}
}
sb.append(text.substring(begin));
return sb.toString();
}
测试:
@Test
public void testSensitiveFilter(){
String text="这里可以赌博,可以嫖娼,可以吸毒,可以开票";
text=sensitiveFilter.filter(text);
System.out.println(text);
text="这里可以🀁赌博,可以🀂嫖娼,可以🀂🀂🀂吸毒,可以开🀃🀃🀃票";
text=sensitiveFilter.filter(text);
System.out.println(text);
}
结果: