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。在实现敏感词过滤的算法中，我们必须要减少运算，而 DFA 在 DFA 算法中几乎没有什么计算，有的只是状态的转换。所以想更高效的进行敏感词的过滤，需要使用 DFA 算法。

整理过滤函数代码如下：/**

* Notes: [DoFilterWords 过滤字符中敏感词]

* Author HeZe

* Date 2021/1/6 14:48

* @param $list     过滤词一维数组  ['小明', '小红', '大白', '小白', '小黑', 'me', 'you'];

* @param $string   输入文字       likeyou小白喜欢小黑爱着的大黄

* @return string   过滤后文字     like**喜欢*爱着的大黄

*/

function DoFilterWords($list, $string, $symbol = '*')

{

$count = 0;             // 违规词的个数

$sensitiveWord = '';    // 违规词

$stringAfter = $string;      // 替换后的内容

$pattern = "/".implode("|",$list)."/i"; // 定义正则表达式

if(preg_match_all($pattern, $string, $matches)) { // 匹配到了结果

$patternList = $matches[0];     // 匹配到的数组

$count = count($patternList);

$sensitiveWord = implode(',', $patternList);    // 敏感词数组转字符串

//把匹配到的数组进行合并，替换使用

$replaceArray = array_combine($patternList,array_fill(0, count($patternList), $symbol));

$stringAfter = strtr($string, $replaceArray); //结果替换

}

$log = "原句为 [ {$string} ]
";

if($count==0) {

$log .= "暂未匹配到敏感词！";

} else {

$log .= "匹配到 [ {$count} ]个敏感词：[ {$sensitiveWord} ]
"."替换后为：[ {$stringAfter} ]";

}

return $log;

}

使用方法// 过滤词库

$list = ['小明', '小红', '大白', '小白', '小黑', 'me', 'you'];

// 输入文字

$string = "likeyou小白喜欢小黑爱着的大黄";

// 调用函数

$res = DoFilterWords($list , $string , '*');

echo $res;

// 输出结果

原句为 [ likeyou小白喜欢小黑爱着的大黄 ]

匹配到 [ 3 ]个敏感词：[ you,小白,小黑 ]

替换后为：[ like**喜欢*爱着的大黄 ]

最后 附上敏感词、停止词 词库：https://gitee.com/zehe/stopwords

转载请注明出处~~~~