DFA算法实现敏感词过滤

写项目时，得到一个新的需求，即实现敏感词的过滤，上网查了下，有几种实现方法，采取了DFA算法，即确定的有穷自动机算法，当初学习编译原理的时候为啥没想到DFA还能这么做，看来眼界和意识还是不够，得锻炼。

所谓的确定有限自动机算法，其实本质上是自上而下的文法分析中的一个步骤，即建立起一颗从上到下的语法树。

比如有如下敏感词：

大傻瓜，大傻瓜瓜逼，大傻子

建立起的语法树则是：

针对该情况，可以用HashMap来存贮语法树，当然，不同的敏感词开头则需要不同的语法树，下面列出敏感词转语法树的代码：

/*** 将敏感关键词建立起多颗索引树，以HashMap存贮* @param keyWordSet* @return*/public void addKeyWordtoHashMap(Set<String> keyWordSet){keyWordMap=new HashMap<String,String>();String key = null;Map nowMap = null;Map<String, String> newWorMap = null;Iterator<String> iterator = keyWordSet.iterator();while(iterator.hasNext()) {key = iterator.next();nowMap = keyWordMap;for (int i = 0; i < key.length(); i++) {char keyChar = key.charAt(i);Object wordMap = nowMap.get(keyChar);if (wordMap != null) {nowMap = (Map) wordMap;} else {newWorMap = new HashMap<String, String>();//End为结束标志，1表示为该分支已完成，0表示该分支还未完成newWorMap.put("End", "0");nowMap.put(keyChar, newWorMap);nowMap = newWorMap;}if (i == key.length() - 1) {nowMap.put("End", "1");}}}}

敏感词可以存贮在数据库中，从中取出出来，存入集合中来建立起语法树，例如有以下敏感词：

[大傻逼, 傻子, 傻逼, 大傻子]

利用上述的代码建立起的HashMap有：

{大={End=0, 傻={子={End=1}, End=0, 逼={End=1}}}, 傻={子={End=1}, End=0, 逼={End=1}}}

接下来就是检测文本中是否含有敏感词了，检测敏感词的代码如下:

/*** 检查从开始出的敏感词检测* @param beginIndex* @param text* @return*/private int checkSensitiveWord(int beginIndex,String text){Map newWordMap=keyWordMap;int indexCount=0;//记录扫描敏感词而产生的偏移量boolean isContainSensitiveWord=false;//用来记录是否检测到敏感词char temp=0;for (int i=beginIndex;i<text.length();i++){temp=text.charAt(i);//忽略无效字符if (ignoreWord.get(temp)!=null){indexCount++;continue;}newWordMap=(Map)newWordMap.get(temp);if (newWordMap!=null){indexCount++;if ("1".equals(newWordMap.get("End"))){isContainSensitiveWord=true;}}else {break;}}//敏感词长度不能小于2if (indexCount<2 || !isContainSensitiveWord){indexCount=0;}//System.out.println(indexCount+"jjjj");return indexCount;}

ignoreWord同样是一个HashMap，里面存贮着无效的字符，比如：

public static char[] IgnoreWords={'`','~','!','@','#','$','%','^','&','*','(',')',' ','.','。','·'};

获取文本中的敏感词以及替换：

 /*** 获得文中的敏感词汇* @param text* @return*/public Set<String> getSensitiveWord(String text){Set<String> sensitiveWordList = new HashSet<String>();for(int i = 0 ; i < text.length() ; i++){int length = checkSensitiveWord(i,text);if(length > 0){//将敏感词给截取下来，存入集合中sensitiveWordList.add(text.substring(i, i+length));//text.substring(i,i+length);i = i + length - 1;}}return sensitiveWordList;}/*** 指定字符串替换掉敏感词汇* @param text* @param replaceChar* @return*/public String replaceSensitiveWord(String text,String replaceChar) throws IOException {init();String resultTxt = text;Set<String> set = getSensitiveWord(text);Iterator<String> iterator = set.iterator();String word = null;String replaceString = null;while (iterator.hasNext()) {word = iterator.next();int index=resultTxt.indexOf(word);
resultTxt=resultTxt.substring(0,index)+replaceChar+resultTxt.substring(index+word.length());}return resultTxt;}

从上述的代码可以看出DFA算法的时间复杂度是O(n²)，加入有如下需验证的文本：

傻**逼**啦啦&&啦#傻子#啦啦啦大@  傻#子

运行得出的结果为：

语句中包含的敏感词汇：3。包含[#傻子#, 大@  傻#子, 傻**逼**]
[一两清风，半盏明月]啦啦&&啦[一两清风，半盏明月]啦啦啦[一两清风，半盏明月]

DFA算法实现敏感词过滤相关推荐

java使用DFA算法实现敏感词过滤
Java使用DFA算法实现敏感词过滤 DFA,全称 Deterministic Finite Automaton 即确定有穷自动机. 其特征为:有一个有限状态集合和一些从一个状态通向另一个状态的边,每 ...
spring boot 使用DFA算法实现敏感词过滤
spring boot 使用DFA算法实现敏感词过滤敏感词.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. DFA算法简介 DFA全称为:Deterministi ...
基于PHP的DFA算法（敏感词过滤）
基于PHP的DFA算法(敏感词过滤) 看到网上很多的DFA算法,很多都有不同程度的问题,自己修改了一下,亲测没有问题,用在系统中过滤敏感词汇,比正则匹配的速度快很多. class DFA {priva ...
java dfa 敏感词_java利用DFA算法实现敏感词过滤功能
前言敏感词过滤应该是不用给大家过多的解释吧?讲白了就是你在项目中输入某些字(比如输入xxoo相关的文字时)时要能检测出来,很多项目中都会有一个敏感词管理模块,在敏感词管理模块中你可以加入敏感词,然 ...
DFA算法进行敏感词过滤
1.新建敏感词文本new_adress.txt,进行添加敏感词 2.代码 # -*- coding:utf-8 -*- import timetime1 = time.time() "&qu ...
一种基于DFA算法的敏感词检测JAVA程序片段
本文章提供一种基于DFA算法的敏感词检测JAVA程序片段,如下: 1.构造多叉树数据结构 import org.jetbrains.annotations.NotNull;/*** 多叉树* @aut ...
dfa算法 java_Java实现DFA算法对敏感词、广告词过滤功能示例
一.前言开发中经常要处理用户一些文字的提交,所以涉及到了敏感词过滤的功能,参考资料中DFA有穷状态机算法的实现,创建有向图.完成了对敏感词.广告词的过滤,而且效率较好,所以分享一下. 具体实现: 1 ...
python实现dfa过滤算法_DFA 算法实现敏感词过滤（python 实现)
敏感词过滤的经典算法DFA ,看完相关资料后,自己实现了一下,同时做了评估实验先上代码 #!/usr/bin/python2.6 # -*- coding: utf-8 -*- import tim ...
TypeScript：Aho–Corasick算法实现敏感词过滤
敏感词过滤应该是许多后端同事经常会遇到的需求,无论是评论.弹幕.文章,都需要做敏感词过滤处理来规避风险.在前端开发中,使用replace函数来替换字符串是我们的常规操作,在这之前我思考过如果用Java ...

DFA算法实现敏感词过滤

DFA算法实现敏感词过滤相关推荐

最新文章

热门文章