美文网首页
AskMe Spring项目提问功能——前缀树敏感词过滤

AskMe Spring项目提问功能——前缀树敏感词过滤

作者: 当麻真实 | 来源:发表于2018-02-13 21:50 被阅读0次

问题发布功能的重点在于如何实现敏感词过滤,基本的算法是前缀树算法,前缀树也就是字典树,通过前缀树匹配可以加快敏感词匹配的速度
下面是具体的代码

  • 前缀树的结构
    其中包括有是否为结尾的标志符end,当在树中找到这个位置时,说明找到了敏感词,可以将其打码设为**,从后面的字符继续匹配
   private class TrieNode {
        private boolean end = false;
        private Map<Character, TrieNode> map = new HashMap<Character, TrieNode>();
        private Character c;

        TrieNode() {
        }

        TrieNode(Character ch) {
            c = ch;
        }

        public Character getch() {
            return c;
        }

        public void setend(boolean a) {
            this.end = a;
        }

        public boolean getend() {
            return end;
        }

        public void addTrieNode(TrieNode tn) {
            map.put(tn.getch(), tn);
        }

        public TrieNode getTrieNode(Character key) {
            return map.get(key);
        }

    }

  • 前缀树的生成(从txt文件中读取,每读到一个词语(一个词语一行),利用addword来添加)
    注意:这里该类implements InitializingBean其中的一个函数——public void afterPropertiesSet() throws Exception,这个函数表示在实例化bean之后,即Bean属性注入之后,执行的操作,我们通过这个函数,在每次注入该服务时,能够初始化前缀树

    @Override
    public void afterPropertiesSet() throws Exception {
        rootNode = new TrieNode();
        try {
            BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream(new File("C:\\Users\\erika\\Videos\\offer\\askme\\src\\main\\resources\\SensitiveWords.txt")),
                    "UTF-8"));
            String lineTxt = null;
            while ((lineTxt = br.readLine()) != null) {
                addword(lineTxt.trim());

                System.out.println(lineTxt);
            }
            br.close();
        } catch (Exception e) {
            logger.error("读取文件失败" + e);
            System.out.println("111");
        }

    }
  • 向前缀树中添加词语(每个字占一个节点)
    public void addword(String word) {
        TrieNode tmp = rootNode;
        for (int i = 0; i < word.length(); i++) {
            if (isSymbol(word.charAt(i)))
                continue;
            if (tmp.getTrieNode(word.charAt(i)) != null) ;
            else {
                TrieNode tt = new TrieNode(word.charAt(i));
                tmp.addTrieNode(tt);
            }
            tmp = tmp.getTrieNode(word.charAt(i));
            if (i == word.length() - 1) {
                tmp.setend(true);
            }
        }
    }
  • filter匹配字符串

    public String filterword(String content) {
        TrieNode root = rootNode;
        TrieNode tmp = root;
        StringBuilder result = new StringBuilder();
        int head = 0;
        int current = 0;
        while (head < content.length()) {
            Character c = content.charAt(head);
            tmp = root;
            if (isSymbol(c)) {
                head++;
                current++;
                result.append(c);
                continue;
            }
            boolean flag = false;
            while (current < content.length() && tmp.getTrieNode(c) != null) {
                if (tmp.getTrieNode(c).getend()) {
                    result.append("**");
                    flag = true;
                    break;
                }
                current++;
                tmp = tmp.getTrieNode(c);
                while(current<content.length() && isSymbol(content.charAt(current))) {
                    current++;
                    continue;
                }
                c = content.charAt(current);

            }
            if (flag) {
                current++;
                head = current;
            } else {
                result.append(content.charAt(head));
                head++;
                current = head;
            }
        }
        return result.toString();
    }

  • 一个辅助函数,用来判断字符是否为空格,或者特殊字符
    private boolean isSymbol(char c) {
        int ic = (int) c;
        Character.UnicodeBlock ub = Character.UnicodeBlock.of(c);
        //判断是否为中文标点
        if (ub == Character.UnicodeBlock.GENERAL_PUNCTUATION
                || ub == Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION
                || ub == Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS
                || ub == Character.UnicodeBlock.CJK_COMPATIBILITY_FORMS
                || ub == Character.UnicodeBlock.VERTICAL_FORMS)
            return true;
        // 0x2E80-0x9FFF 东亚文字范围
        return Character.isSpaceChar(c)||(!CharUtils.isAsciiAlphanumeric(c) && (ic < 0x2E80 || ic > 0x9FFF));
    }

相关文章

  • AskMe Spring项目提问功能——前缀树敏感词过滤

    问题发布功能的重点在于如何实现敏感词过滤,基本的算法是前缀树算法,前缀树也就是字典树,通过前缀树匹配可以加快敏感词...

  • 前缀树过滤敏感词算法

    前缀树的基本性质1.根节点不包含字符,除根节点外每一个节点都只包含一个字符。2.从根节点到某一节点,路径上经过的字...

  • Unity中使用字典树(前缀树)过滤敏感词

    利用利用字典树(前缀树)过滤敏感词[https://blog.csdn.net/qq_37050329/artic...

  • 第三章(nk)

    一、过滤敏感词 使用replace方法进行替换效率比较低。前缀树使用空间换取时间,但是效率有很大的提高。 定义前缀...

  • 利用利用字典树(前缀树)过滤敏感词

    字典树介绍 又称单词查找树,Trie树,是一种树形结构,是一种哈希树的变种。典型应用是用于统计,排序和保存大量的字...

  • Java使用DFA实现敏感词过滤

    1 Java敏感词过滤 敏感词、文字过滤是一个网站必不可少的功能,如何设计一个好的、高效的过滤算法是非常有必要的。...

  • 如何给所有的input文本框加敏感词过滤?

    今天接到一个需求,要求对项目中所有的input文本框增加敏感词过滤功能。项目框架用的是angular8,其实思路还...

  • 敏感词过滤器

    使用Decorator模式包装request对象实现敏感字符过滤功能。敏感词包括了:禁用词:反对共产党、色情。。。...

  • 阿里Java大神教你java快速过滤关键词

    java过滤关键词 敏感词、文字过滤是一个网站必不可少的功能,如何设计一个好的、高效的过滤算法是非常有必要的。前段...

  • 敏感词过滤

    一、原句处理 1.去除原句中的所有空格2.去除原句子中的所有标点符号,包含全角和半角的3.将所有的繁体中文替换成简...

网友评论

      本文标题:AskMe Spring项目提问功能——前缀树敏感词过滤

      本文链接:https://www.haomeiwen.com/subject/chdstftx.html