java利用DFA算法實(shí)現(xiàn)敏感詞過(guò)濾功能

更新時(shí)間：2017年06月21日 10:06:31 作者：AlanLee

在最近的開(kāi)發(fā)中遇到了敏感詞過(guò)濾，便去網(wǎng)上查閱了很多敏感詞過(guò)濾的資料，在這里也和大家分享一下自己的理解。下面這篇文章主要給大家介紹了關(guān)于java利用DFA算法實(shí)現(xiàn)敏感詞過(guò)濾功能的相關(guān)資料，需要的朋友可以參考借鑒，下面來(lái)一起看看吧。

前言

敏感詞過(guò)濾應(yīng)該是不用給大家過(guò)多的解釋吧？講白了就是你在項(xiàng)目中輸入某些字（比如輸入xxoo相關(guān)的文字時(shí)）時(shí)要能檢

測(cè)出來(lái)，很多項(xiàng)目中都會(huì)有一個(gè)敏感詞管理模塊，在敏感詞管理模塊中你可以加入敏感詞，然后根據(jù)加入的敏感詞去過(guò)濾輸

入內(nèi)容中的敏感詞并進(jìn)行相應(yīng)的處理，要么提示，要么高亮顯示，要么直接替換成其它的文字或者符號(hào)代替。

敏感詞過(guò)濾的做法有很多，我簡(jiǎn)單描述我現(xiàn)在理解的幾種：

①查詢數(shù)據(jù)庫(kù)當(dāng)中的敏感詞，循環(huán)每一個(gè)敏感詞，然后去輸入的文本中從頭到尾搜索一遍，看是否存在此敏感詞，有則做相

應(yīng)的處理，這種方式講白了就是找到一個(gè)處理一個(gè)。

優(yōu)點(diǎn)：so easy。用java代碼實(shí)現(xiàn)基本沒(méi)什么難度。

缺點(diǎn)：這效率低，而且匹配的是不是有些無(wú)語(yǔ)，如果是英文時(shí)你會(huì)發(fā)現(xiàn)一個(gè)很無(wú)語(yǔ)的事情，比如英文

a是敏感詞，那我如果是一篇英文文檔，那程序它妹的得處理多少次敏感詞？誰(shuí)能告訴我？

②傳說(shuō)中的DFA算法（有窮自動(dòng)機(jī)）,也正是我要給大家分享的，畢竟感覺(jué)比較通用，算法的原理希望大家能夠自己去網(wǎng)上查查

資料，這里就不詳細(xì)說(shuō)明了。

優(yōu)點(diǎn)：至少比上面那sb效率高點(diǎn)。

缺點(diǎn)：對(duì)于學(xué)過(guò)算法的應(yīng)該不難，對(duì)于沒(méi)學(xué)過(guò)算法的用起來(lái)也不難，就是理解起來(lái)有點(diǎn)gg疼，匹配效率也不高，比較耗費(fèi)內(nèi)存，

敏感詞越多，內(nèi)存占用的就越大。

③第三種在這里要特別說(shuō)明一下，那就是你自己去寫(xiě)一個(gè)算法吧，或者在現(xiàn)有的算法的基礎(chǔ)上去優(yōu)化，這也是追求的至高境界之一。

那么，傳說(shuō)中的DFA算法是怎么實(shí)現(xiàn)的呢？

第一步：敏感詞庫(kù)初始化（將敏感詞用DFA算法的原理封裝到敏感詞庫(kù)中，敏感詞庫(kù)采用HashMap保存），代碼如下：

package com.cfwx.rox.web.sysmgr.util;

import java.util.HashMap;
import java.util.HashSet;
import java.util.Iterator;
import java.util.List;
import java.util.Map;
import java.util.Set;

import com.cfwx.rox.web.common.model.entity.SensitiveWord;

/**
 * 敏感詞庫(kù)初始化
 * 
 * @author AlanLee
 *
 */
public class SensitiveWordInit
{
  /**
   * 敏感詞庫(kù)
   */
  public HashMap sensitiveWordMap;

  /**
   * 初始化敏感詞
   * 
   * @return
   */
  public Map initKeyWord(List<SensitiveWord> sensitiveWords)
  {
    try
    {
      // 從敏感詞集合對(duì)象中取出敏感詞并封裝到Set集合中
      Set<String> keyWordSet = new HashSet<String>();
      for (SensitiveWord s : sensitiveWords)
      {
        keyWordSet.add(s.getContent().trim());
      }
      // 將敏感詞庫(kù)加入到HashMap中
      addSensitiveWordToHashMap(keyWordSet);
    }
    catch (Exception e)
    {
      e.printStackTrace();
    }
    return sensitiveWordMap;
  }

  /**
   * 封裝敏感詞庫(kù)
   * 
   * @param keyWordSet
   */
  @SuppressWarnings("rawtypes")
  private void addSensitiveWordToHashMap(Set<String> keyWordSet)
  {
    // 初始化HashMap對(duì)象并控制容器的大小
    sensitiveWordMap = new HashMap(keyWordSet.size());
    // 敏感詞
    String key = null;
    // 用來(lái)按照相應(yīng)的格式保存敏感詞庫(kù)數(shù)據(jù)
    Map nowMap = null;
    // 用來(lái)輔助構(gòu)建敏感詞庫(kù)
    Map<String, String> newWorMap = null;
    // 使用一個(gè)迭代器來(lái)循環(huán)敏感詞集合
    Iterator<String> iterator = keyWordSet.iterator();
    while (iterator.hasNext())
    {
      key = iterator.next();
      // 等于敏感詞庫(kù)，HashMap對(duì)象在內(nèi)存中占用的是同一個(gè)地址，所以此nowMap對(duì)象的變化，sensitiveWordMap對(duì)象也會(huì)跟著改變
      nowMap = sensitiveWordMap;
      for (int i = 0; i < key.length(); i++)
      {
        // 截取敏感詞當(dāng)中的字，在敏感詞庫(kù)中字為HashMap對(duì)象的Key鍵值
        char keyChar = key.charAt(i);

        // 判斷這個(gè)字是否存在于敏感詞庫(kù)中
        Object wordMap = nowMap.get(keyChar);
        if (wordMap != null)
        {
          nowMap = (Map) wordMap;
        }
        else
        {
          newWorMap = new HashMap<String, String>();
          newWorMap.put("isEnd", "0");
          nowMap.put(keyChar, newWorMap);
          nowMap = newWorMap;
        }

        // 如果該字是當(dāng)前敏感詞的最后一個(gè)字，則標(biāo)識(shí)為結(jié)尾字
        if (i == key.length() - 1)
        {
          nowMap.put("isEnd", "1");
        }
        System.out.println("封裝敏感詞庫(kù)過(guò)程："+sensitiveWordMap);
      }
      System.out.println("查看敏感詞庫(kù)數(shù)據(jù):" + sensitiveWordMap);
    }
  }
}

第二步：寫(xiě)一個(gè)敏感詞過(guò)濾工具類(lèi)，里面可以寫(xiě)上自己需要的方法，代碼如下：

package com.cfwx.rox.web.sysmgr.util;

import java.util.HashSet;
import java.util.Iterator;
import java.util.Map;
import java.util.Set;

/**
 * 敏感詞過(guò)濾工具類(lèi)
 * 
 * @author AlanLee
 *
 */
public class SensitivewordEngine
{
  /**
   * 敏感詞庫(kù)
   */
  public static Map sensitiveWordMap = null;

  /**
   * 只過(guò)濾最小敏感詞
   */
  public static int minMatchTYpe = 1;

  /**
   * 過(guò)濾所有敏感詞
   */
  public static int maxMatchType = 2;

  /**
   * 敏感詞庫(kù)敏感詞數(shù)量
   * 
   * @return
   */
  public static int getWordSize()
  {
    if (SensitivewordEngine.sensitiveWordMap == null)
    {
      return 0;
    }
    return SensitivewordEngine.sensitiveWordMap.size();
  }

  /**
   * 是否包含敏感詞
   * 
   * @param txt
   * @param matchType
   * @return
   */
  public static boolean isContaintSensitiveWord(String txt, int matchType)
  {
    boolean flag = false;
    for (int i = 0; i < txt.length(); i++)
    {
      int matchFlag = checkSensitiveWord(txt, i, matchType);
      if (matchFlag > 0)
      {
        flag = true;
      }
    }
    return flag;
  }

  /**
   * 獲取敏感詞內(nèi)容
   * 
   * @param txt
   * @param matchType
   * @return 敏感詞內(nèi)容
   */
  public static Set<String> getSensitiveWord(String txt, int matchType)
  {
    Set<String> sensitiveWordList = new HashSet<String>();

    for (int i = 0; i < txt.length(); i++)
    {
      int length = checkSensitiveWord(txt, i, matchType);
      if (length > 0)
      {
        // 將檢測(cè)出的敏感詞保存到集合中
        sensitiveWordList.add(txt.substring(i, i + length));
        i = i + length - 1;
      }
    }

    return sensitiveWordList;
  }

  /**
   * 替換敏感詞
   * 
   * @param txt
   * @param matchType
   * @param replaceChar
   * @return
   */
  public static String replaceSensitiveWord(String txt, int matchType, String replaceChar)
  {
    String resultTxt = txt;
    Set<String> set = getSensitiveWord(txt, matchType);
    Iterator<String> iterator = set.iterator();
    String word = null;
    String replaceString = null;
    while (iterator.hasNext())
    {
      word = iterator.next();
      replaceString = getReplaceChars(replaceChar, word.length());
      resultTxt = resultTxt.replaceAll(word, replaceString);
    }

    return resultTxt;
  }

  /**
   * 替換敏感詞內(nèi)容
   * 
   * @param replaceChar
   * @param length
   * @return
   */
  private static String getReplaceChars(String replaceChar, int length)
  {
    String resultReplace = replaceChar;
    for (int i = 1; i < length; i++)
    {
      resultReplace += replaceChar;
    }

    return resultReplace;
  }

  /**
   * 檢查敏感詞數(shù)量
   * 
   * @param txt
   * @param beginIndex
   * @param matchType
   * @return
   */
  public static int checkSensitiveWord(String txt, int beginIndex, int matchType)
  {
    boolean flag = false;
    // 記錄敏感詞數(shù)量
    int matchFlag = 0;
    char word = 0;
    Map nowMap = SensitivewordEngine.sensitiveWordMap;
    for (int i = beginIndex; i < txt.length(); i++)
    {
      word = txt.charAt(i);
      // 判斷該字是否存在于敏感詞庫(kù)中
      nowMap = (Map) nowMap.get(word);
      if (nowMap != null)
      {
        matchFlag++;
        // 判斷是否是敏感詞的結(jié)尾字，如果是結(jié)尾字則判斷是否繼續(xù)檢測(cè)
        if ("1".equals(nowMap.get("isEnd")))
        {
          flag = true;
          // 判斷過(guò)濾類(lèi)型，如果是小過(guò)濾則跳出循環(huán)，否則繼續(xù)循環(huán)
          if (SensitivewordEngine.minMatchTYpe == matchType)
          {
            break;
          }
        }
      }
      else
      {
        break;
      }
    }
    if (!flag)
    {
      matchFlag = 0;
    }
    return matchFlag;
  }

}

第三步：一切都準(zhǔn)備就緒，當(dāng)然是查詢好數(shù)據(jù)庫(kù)當(dāng)中的敏感詞，并且開(kāi)始過(guò)濾咯，代碼如下：

@SuppressWarnings("rawtypes")
  @Override
  public Set<String> sensitiveWordFiltering(String text)
  {
    // 初始化敏感詞庫(kù)對(duì)象
    SensitiveWordInit sensitiveWordInit = new SensitiveWordInit();
    // 從數(shù)據(jù)庫(kù)中獲取敏感詞對(duì)象集合（調(diào)用的方法來(lái)自Dao層，此方法是service層的實(shí)現(xiàn)類(lèi)）
    List<SensitiveWord> sensitiveWords = sensitiveWordDao.getSensitiveWordListAll();
    // 構(gòu)建敏感詞庫(kù)
    Map sensitiveWordMap = sensitiveWordInit.initKeyWord(sensitiveWords);
    // 傳入SensitivewordEngine類(lèi)中的敏感詞庫(kù)
    SensitivewordEngine.sensitiveWordMap = sensitiveWordMap;
    // 得到敏感詞有哪些，傳入2表示獲取所有敏感詞
    Set<String> set = SensitivewordEngine.getSensitiveWord(text, 2);
    return set;
  }

最后一步：在Controller層寫(xiě)一個(gè)方法給前端請(qǐng)求，前端獲取到需要的數(shù)據(jù)并進(jìn)行相應(yīng)的處理，代碼如下：

/**
   * 敏感詞過(guò)濾
   * 
   * @param text
   * @return
   */
  @RequestMapping(value = "/word/filter")
  @ResponseBody
  public RespVo sensitiveWordFiltering(String text)
  {
    RespVo respVo = new RespVo();
    try
    {
      Set<String> set = sensitiveWordService.sensitiveWordFiltering(text);
      respVo.setResult(set);
    }
    catch (Exception e)
    {
      throw new RoxException("過(guò)濾敏感詞出錯(cuò)，請(qǐng)聯(lián)系維護(hù)人員");
    }

    return respVo;
  }

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容了，代碼中寫(xiě)了不少的注釋?zhuān)蠹铱梢詣?dòng)動(dòng)自己的腦筋好好的理解一下。希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作能帶來(lái)一定的幫助，如果有疑問(wèn)大家可以留言交流，謝謝大家對(duì)腳本之家的支持。

您可能感興趣的文章: