过滤敏感词

前缀树

根节点没有字符，除了根节点，每个节点都有一个字符。

名称：Trie、字典树、查找树

特点：查找效率高，消耗内存大

应用：字符串检索，词频统计，字符串排序

敏感词过滤器

定义前缀树

根据敏感词，初始化前缀树

编写过滤敏感词的方法

新建sensitive-words.txt

把敏感词放入

赌博
吸毒
嫖娼
开票

新建SensitiveFilter

@Component
public class SensitiveFilter {
​
    private static final Logger logger = LoggerFactory.getLogger(SensitiveFilter.class);
​
    // 替换符
    private static final String REPLACEMENT = "***";
​
    // 根节点 描述前缀树节点
    private TrieNode rootNode = new TrieNode();
​
    //初始化前缀树
    @PostConstruct//这是一个初始化方法
    public void init() {
        try (
                //字节流
                InputStream is = this.getClass().getClassLoader().getResourceAsStream("sensitive-words.txt");
               //字符流转换成缓冲流7
                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（当前节点等于子节点）
            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();
    }
​
    // 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)
        //通过当前节点，找到子节点
        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);
        }
​
    }

新建SensitiveTests 类

@Autowired
private SensitiveFilter sensitiveFilter;
​
@Test
public void testSensitiveFilter() {
    //带有敏感词字符串
    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);
}

测试结果