SpringBoot使用前缀树过滤敏感词的方法实例

SpringBoot使用前缀树过滤敏感词的方法实例

目录一、前缀树二、敏感词过滤器总结

一、前缀树

一般设计网站的时候，会有问题发布或者是内容发布的功能，这些功能的有一个很重要的点在于如何实现敏感词过滤，要不然可能会有不良信息的发布，或者发布的内容中有夹杂可能会有恶意功能的代码片段，敏感词过滤的基本的算法是前缀树算法，前缀树也就是字典树，通过前缀树匹配可以加快敏感词匹配的速度。

前缀树又称为Trie、字典树、查找树。主要特点是：查找效率高，但内存消耗大；主要应用于字符串检索、词频统计、字符串排序等。

到底什么是前缀树？前缀树的功能是如何实现的？

举一个具体的例子：若有一个字符串"xwabfabcff"，敏感词为"abc"、"bf"、"be"，检测字符串，若有敏感词，则将敏感词替换为"*"，实现一个算法。

前缀树的特点：

1. 跟结点为空结点，没有任何字符。

2. 除了根节点以外，每个结点只有一个字符。

3. 每个结点包含的子节点不相同。 例如，root的子节点本来有两个b，但我们只保留一个

4. 在每个敏感词的末尾结点做一个标记，表示从根节点到此节点组合成的字符串是一个敏感词，中间未被标记的结点和根节点中间的字符串不构成一个敏感词。

前缀树的算法逻辑：

1. 准备：我们需要三个指针，①指针指向前缀树，默认指向根节点； ②、③指针指向要检测的字符串(同向尺距法，②从头到尾走一遍，标记敏感词的开头，③随着②而动，标记敏感词的结尾)，默认指向字符串的第一个字符。我们还需要一个存放检测结果的字符串(StringBuilder)。

2. ①访问树的第一层，发现没有'x'，则②、③向下走一步，并将'x'存入StringBuilder字符串里。'w' 同理。

3. 此时②、③指向'a'，①访问树的第一层，发现有'a'，但'a'未被标记，所以不是敏感词，则把'a'存入StringBuilder字符串。然后②不动，①、③继续向下走，直至走到被标记的结点或者不匹配时，①归位，②向下走一步，③回到此时②指向的地方。重复以上步骤。

4. 若检测到敏感词，则在StringBuilder中存储"***"，并使②跳过此敏感词，②、③共同指向原来③的下一个位置。

5. ②、③走到字符串的末尾时，检测完成。最终结果为"xwa******ff"。

二、敏感词过滤器

我们再开发项目时，需要开发出一个可复用的过滤敏感词的工具，成为敏感词过滤器，以便在项目中可以复用。

开发敏感词过滤器主要有以下三个步骤：

1. 定义前缀树

2. 根据敏感词，初始化前缀树

3. 编写过滤敏感词的方法

代码实现如下：

import org.apache.commons.lang3.CharUtils;

import org.apache.commons.lang3.StringUtils;

import org.slf4j.Logger;

import org.slf4j.LoggerFactory;

import org.springframework.stereotype.Component;

import javax.annotation.PostConstruct;

import java.io.BufferedReader;

import java.io.IOException;

import java.io.InputStream;

import java.io.InputStreamReader;

import java.util.HashMap;

import java.util.Map;

@Component

public class SensitiveFilter {

// 记录日志

private static final Logger logger = LoggerFhttp://actory.getLogger(SensitiveFilter.class);

// 替换符

private static final String REPLACEMENT = "***";

// 初始化根节点

private TrieNode rootNode = new TrieNode();

/**

* 2. 根据敏感词，初始化前缀树

*/

@PostConstruct// 当容器在服务器启动时实例化此Bean，调用Bean的构造方法后，该方法就会被自动调用

public void init() {

try (

// 加载敏感词文件 sensitive-words.txt是自建的存放敏感词的文件

InputStream is = this.getClass().getClassLoader().getResourceAsStream("sensitive-words.txt");

// 字节流 --> 字符流 --> 字符缓冲流

BufferedReader reader = new BufferedReader(new InputStreamReader(is));

) {

String keyword;

while((keyword = reader.readLine()) != null){

// 添加到前缀树，addKeyword为自定义的方法，将一个敏感词添加到前缀树中去

this.addKeyword(keyword);

}

} catch (IOException e) {

logger.error("加载敏感词文件失败:" + e.getMessage());

}

}

// 封装方法：将一个敏感词添加到前缀树中去

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){

// 如果子节点中没有该字符，则以此字符初始化子节点，并装配到树中

subNode = new TrieNode();

tempNode.addSubNode(c,subNode);

}

// 指向字节点，进入下一层循环

tempNode = subNode;

// 设置结束标识

if(i == keyword.length() -1){

tempNode.setKeywordEnd(true);

}

}

}

/**

* 3. 检索并过滤敏感词

* @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;

// 存放结果

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++;

}

// 无论符号在未检测时出现还是正在检测时出现，指针③总是向下走一步

// （未检测时和指针②一起向下走一步，检测时指针②不动，指针③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

begin++;

position = begin;

// 指针①归位，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

position++;

begin = position;

// 指针①归位，重新指向跟接待你

tempNode = rootNode;

}else {

// 检查下一个字符

position++;

}

}

// 将最后一批字符计入结果：指针③比指针②先到中终点，且两者之间的字符串不是敏感词

sb.append(text.substring(begin));

return sb.toString();

}

// 封装方法：判断是否为特殊符号

private boolean isSymbol(Character c){

// 0x2E80~0x9FFF 是东亚文字范围，不予当作特殊符号看待

return !CharUtils.isAsciiAlphanumeric(c) && (c < 0x2E80 || c > 0x9FFF);

}

/**

* 1. 定义前缀树

*/

private class TrieNode {

// 敏感词（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）

private Map 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);

}

}

}

总结

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。