（仿牛客社区项目）Java开发笔记3.1：过滤敏感词

过滤敏感词

本节使用敏感词过滤算法对帖子或评论中可能存在的敏感词进行屏蔽。

1.在resources目录添加敏感词字典sensitive-words.txt

2.直接在util包中添加SensitiveFilter类。

package com.gerrard.community.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="***";

    //根结点
    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
                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.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
//        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.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();
//    }


    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(begin < text.length()){
            if(position < text.length()) {
                Character c = text.charAt(position);

                // 跳过符号
                if (isSymbol(c)) {
                    if (tempNode == rootNode) {
                        begin++;
                        sb.append(c);
                    }
                    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;
                }
                // 发现敏感词
                else if (tempNode.isKeywordEnd()) {
                    sb.append(REPLACEMENT);
                    begin = ++position;
                }
                // 检查下一个字符
                else {
                    position++;
                }
            }
            // position遍历越界仍未匹配到敏感词
            else{
                sb.append(text.charAt(begin));
                position = ++begin;
                tempNode = rootNode;
            }
        }
        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);
    }


    //前缀树
    private class TrieNode{

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

        //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);
        }

    }

}

3.测试敏感词过滤算法。

在test目录添加SensitiveTests测试方法。

package com.gerrard.community;

import com.gerrard.community.util.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 = CommunityApplication.class)
public class SensitiveTests {

    @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!";
        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☆,哈哈哈!";
        text = sensitiveFilter.filter(text);
        System.out.println(text);
    }

}

运行测试方法：