一个简单的实现

class NaiveFilter():

'''Filter Messages from keywords

very simple filter implementation

>>> f = NaiveFilter()

>>> f.add("sexy")

>>> f.filter("hello sexy baby")

hello **** baby

'''

def __init__(self):

self.keywords = set([])

def parse(self, path):

for keyword in open(path):

self.keywords.add(keyword.strip().decode('utf-8').lower())

def filter(self, message, repl="*"):

message = str(message).lower()

for kw in self.keywords:

message = message.replace(kw, repl)

return message

其中strip() 函数 删除附近的一些空格,解码采用utf-8的形式,然后将其转为小写。

parse()函数就是打开文件,然后从中取各个关键词,然后将其存在关键词集合中。

filter()函数是一个过滤器函数,其中将消息转化为小写,然后将关键词替换成*。、

class BSFilter:

'''Filter Messages from keywords

Use Back Sorted Mapping to reduce replacement times

>>> f = BSFilter()

>>> f.add("sexy")

>>> f.filter("hello sexy baby")

hello **** baby

'''

def __init__(self):

self.keywords = []

self.kwsets = set([])

self.bsdict = defaultdict(set)

self.pat_en = re.compile(r'^[0-9a-zA-Z]+$') # english phrase or not

def add(self, keyword):

if not isinstance(keyword, str):

keyword = keyword.decode('utf-8')

keyword = keyword.lower()

if keyword not in self.kwsets:

self.keywords.append(keyword)

self.kwsets.add(keyword)

index = len(self.keywords) - 1

for word in keyword.split():

if self.pat_en.search(word):

self.bsdict[word].add(index)

else:

for char in word:

self.bsdict[char].add(index)

def parse(self, path):

with open(path, "r") as f:

for keyword in f:

self.add(keyword.strip())

def filter(self, message, repl="*"):

if not isinstance(message, str):

message = message.decode('utf-8')

message = message.lower()

for word in message.split():

if self.pat_en.search(word):

for index in self.bsdict[word]:

message = message.replace(self.keywords[index], repl)

else:

for char in word:

for index in self.bsdict[char]:

message = message.replace(self.keywords[index], repl)

return message

在上面的实现例子中,对于搜索查找进行了优化,对于英语单词,直接进行了按词索引字典查找。对于其他语言模式,我们采用逐字符查找匹配的一种模式。

BFS:宽度优先搜索方式。

class DFAFilter():

'''Filter Messages from keywords

Use DFA to keep algorithm perform constantly

>>> f = DFAFilter()

>>> f.add("sexy")

>>> f.filter("hello sexy baby")

hello **** baby

'''

def __init__(self):

self.keyword_chains = {}

self.delimit = '\x00'

def add(self, keyword):

if not isinstance(keyword, str):

keyword = keyword.decode('utf-8')

keyword = keyword.lower()

chars = keyword.strip()

if not chars:

return

level = self.keyword_chains

for i in range(len(chars)):

if chars[i] in level:

level = level[chars[i]]

else:

if not isinstance(level, dict):

break

for j in range(i, len(chars)):

level[chars[j]] = {}

last_level, last_char = level, chars[j]

level = level[chars[j]]

last_level[last_char] = {self.delimit: 0}

break

if i == len(chars) - 1:

level[self.delimit] = 0

def parse(self, path):

with open(path,encoding='UTF-8') as f:

for keyword in f:

self.add(keyword.strip())

def filter(self, message, repl="*"):

if not isinstance(message, str):

message = message.decode('utf-8')

message = message.lower()

ret = []

start = 0

while start < len(message):

level = self.keyword_chains

step_ins = 0

for char in message[start:]:

if char in level:

step_ins += 1

if self.delimit not in level[char]:

level = level[char]

else:

ret.append(repl * step_ins)

start += step_ins - 1

break

else:

ret.append(message[start])

break

else:

ret.append(message[start])

start += 1

return ''.join(ret)

DFA即Deterministic Finite Automaton,也就是确定有穷自动机。

使用了嵌套的字典来实现。

参考

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我们。

时间: 2019-08-12

python过滤敏感词汇_浅谈Python 敏感词过滤的实现相关推荐

  1. python sys模块作用_浅谈Python中的模块

    模块 为了编写可维护的代码,我们把很多函数分组,分别放到不同的文件里,这样,每个文件包含的代码就相对较少,很多编程语言都采用这种组织代码的方式.在Python中,一个.py文件就称之为一个模块(Mod ...

  2. python采用函数编程模式_浅谈Python 函数式编程

    匿名函数lambda表达式 什么是匿名函数? 匿名函数,顾名思义就是没有名字的函数,在程序中不用使用 def 进行定义,可以直接使用 lambda 关键字编写简单的代码逻辑.lambda 本质上是一个 ...

  3. python中文字符串编码_浅谈python下含中文字符串正则表达式的编码问题

    前言 Python文件默认的编码格式是ascii ,无法识别汉字,因为ascii码中没有中文. 所以py文件中要写中文字符时,一般在开头加 # -*- coding: utf-8 -*- 或者 #co ...

  4. python 共享内存变量_浅谈python多进程共享变量Value的使用tips

    前言: 在使用tornado的多进程时,需要多个进程共享一个状态变量,于是考虑使用multiprocessing.Value(对于该变量的具体细节请查阅相关资料).在根据网上资料使用Value时,由于 ...

  5. python中怎么计数_浅谈python中统计计数的几种方法和Counter详解

    1) 使用字典dict() 循环遍历出一个可迭代对象中的元素,如果字典没有该元素,那么就让该元素作为字典的键,并将该键赋值为1,如果存在就将该元素对应的值加1. lists = ['a','a','b ...

  6. python数据类型转换原因_浅谈Python数据类型之间的转换

    Python数据类型之间的转换 函数 描述 int(x [,base]) 将x转换为一个整数 long(x [,base] ) 将x转换为一个长整数 float(x) 将x转换到一个浮点数 compl ...

  7. python打开方式错误_浅谈python 调用open()打开文件时路径出错的原因

    昨晚搞鼓了一下python的open()打开文件 代码如下 def main(): infile =open("C:\Users\Spirit\Desktop\bc.txt",'r ...

  8. python 中arange函数_浅谈Python中range与Numpy中arange的比较

    本文先比较range与arange的异同点,再详细介绍各自的用法,然后列举了几个简单的示例,最后对xrange进行了简单的说明. 1. range与arange的比较 (1)相同点:A.参数的可选性. ...

  9. python方法解析顺序_浅谈Python的方法解析顺序(MRO)

    方法解析顺序, Method Resolution Order 从一段代码开始 考虑下面的情况: class A(object): def foo(self): print('A.foo()') cl ...

最新文章

  1. dedecms--数据库
  2. python判断是否为类的实例,是否为子类
  3. Makefile_03:Makefile介绍(作用、例子、原理)
  4. Nodejs Web网站-请求路径分发
  5. MyBatis源码- SqlSession门面模式 selectList 源码解析
  6. boost::fusion::pair用法的测试程序
  7. SQL Server 动态生成数据库所有表Insert语句
  8. 解决kettle配置文件中的中文乱码
  9. 专属海报小程序_剑3泡泡 | 小程序给你一份专属的账号海报!
  10. 字符串固定长度 易语言_易语言字符串操作源码
  11. commons dbcp.jar有什么用
  12. Gainlo 面试指南 翻译完成
  13. 大数据之-Hadoop完全分布式_集群下_单个节点启动_一个一个启动集群节点---大数据之hadoop工作笔记0035
  14. 数仓开发神器--DBeaver
  15. Leetcode每日一题:111.minimum-depth-of-binary-tree(二叉树的最小深度)
  16. JS Math方法、逻辑
  17. 这篇文章告诉你PDF转WORD免费软件有哪些?
  18. word怎么删除最后一页空白页
  19. 排座系统c语言,2008noip排座位C语言详解.doc
  20. 一分钟解决你的公有云私有云选择困难症

热门文章

  1. 【C语言】用C语言输出“心形”图案
  2. C#LeetCode刷题之#849-到最近的人的最大距离(Maximize Distance to Closest Person)
  3. C#LeetCode刷题之#217-存在重复元素(Contains Duplicate)
  4. jmespath查找JSON的工具
  5. 使用scapy回放wireshark抓到的包
  6. linux下各种小命令
  7. 插图 引用 同一行两个插图_数学身份的优雅LED插图
  8. delphi5开发人员指南_成为企业家并发挥作用的开发人员指南
  9. garageband 淡出_为什么史蒂夫·乔布斯(Steve Jobs)的GarageBand展示了有史以来最好的现场产品演示...
  10. Simulink步长