如何过滤敏感词

过滤敏感词

方案一：

对输入的字符串进行过滤，调用API判断有无敏感词。例如String中的replace方法可以替换敏感词。但是在实际开发中，输入的字符串可能会很长（如长篇文章或评论），性能会很差。

方案二：

利用前缀树过滤敏感词

前缀树（Trie、字典树、查找树）
前缀树的查找效率很高，但是占用内存高。

设计过滤敏感词工具：

1. 定义前缀树的数据结构
2. 获取敏感词
3. 根据敏感词初始化前缀树
4. 编写过滤方法，包括对字符中的特殊字符做处理

具体实现方法

1. 在resources包下建立文件sensitive-words.txt存放要过滤的敏感词
2. 在工具包util下创建类封装过滤敏感词功能

package com.learn.test.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);

    // 替换符
    private static final String REPLACEMENT = "---";

    // 根节点
    private TrieNode rootNode = new TrieNode();

    //定义 前缀树
    private class TrieNode {

        // 关键词结束标识
        private boolean isKeywordEnd = false;

        // 子结点(key是下级字符,value是下级结点)
        private Map<Character, TrieNode> subNodes = new HashMap<>();

        public boolean isKeywordEnd() {
            return isKeywordEnd;
        }

        public void setKeywordEnd(boolean keywordEnd) {
            isKeywordEnd = keywordEnd;
        }

        // 添加子结点
        public void addSubNode(Character c, TrieNode node) {
            subNodes.put(c, node);
        }

        // 获取子结点
        public TrieNode getSubNode(Character c) {
            return subNodes.get(c);
        }

    }
    @PostConstruct//这是个初始化方法，容器实例化bean后调用（服务启动时就被初始化）
    public void init() {
        //try、catch自动加finally关闭字节流
        try (
                //读取敏感词（字节流）
                InputStream is = this.getClass().getClassLoader().getResourceAsStream("sensitive-words.txt");
                //字节流转为字符流再转为缓冲流（效率高）
                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) {
        //tempNode默认指向根
        TrieNode tempNode = rootNode;
        for (int i = 0; i < keyword.length(); i++) {
            //得到一个字符
            char c = keyword.charAt(i);
            //获取子结点
            TrieNode subNode = tempNode.getSubNode(c);

            //如果为空，当前结点增加子结点
            if (subNode == null) {
                // 初始化子节点
                subNode = new TrieNode();
                tempNode.addSubNode(c, subNode);
            }

            // 指向子结点,进入下一轮循环
            tempNode = subNode;

            // 设置结束标识
            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 指向根
        TrieNode tempNode = rootNode;
        // 指针2 指向字符串首位
        int begin = 0;
        // 指针3 指向字符串首位
        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处于根结点,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;
            }

            // 检查下级结点
            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;
                // 重新指向根结点
                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;
                // 重新指向根结点
                tempNode = rootNode;
            } else {
                // 检查下一个字符
                position++;
            }
        }
        sb.append(text.substring(begin));
        return sb.toString();
    }

    // 判断是否为符号
    private boolean isSymbol(Character c) {
        return !CharUtils.isAsciiAlphanumeric(c) && (c < 0x2E80 || c > 0x9FFF);
    }
}