场景：

业务系统不能出现敏感词或辱骂言论...

解决方法：

通过百度一下，查到DFA是唯一比较契合及友好的实现算法。DFA即Deterministic Finite Automaton，也就是确定有穷自动机，它是是通过event和当前的state得到下一个state，即event+state=nextstate。

实现方式：

我们这里使用的是将敏感词汇集合在文件里，放入服务器，服务启动后将文件内容加载进缓存中，方便比较敏感词直接取及动态配置。

//将敏感词字典加入缓存
   public static List<String> loadKeywords() {
        System.out.println("将敏感词字典加入缓存");
        List<String> keyArray = new ArrayList<String>();
        try {
            URL url = new URL("xxxx.txt");
            BufferedReader br = new BufferedReader(new InputStreamReader(url.openStream(),"UTF-8"));
            // 构造一个BufferedReader类来读取文件
            String s = null;
            while ((s = br.readLine()) != null) {
                // 使用readLine方法，一次读一行
                keyArray.add(s);
            }
            br.close();
        } catch (Exception e) {
            logger.error("将敏感词字典加入缓存失败",e);
        }
        return keyArray;
    }

//方法使用 这里是提前设置敏感词字典
      IllegalWordsSearch illegalWordsSearch = new IllegalWordsSearch();
            String s = redisTemplate.opsForValue().get(RedisKeyConstant.ILLEGAL_WORDS_CACHE);
            if (StringUtils.isNotEmpty(s)){
                List<String> list = JSON.parseArray(s, String.class);
                illegalWordsSearch.SetKeywords(list);
            }else {
                List<String> list = IllegalWordsSearch.loadKeywords();
                illegalWordsSearch.SetKeywords(list);
            }
//校验敏感词
  IllegalWordsSearchResult illegalWordsSearchResult = illegalWordsSearch.FindFirst(tradeSettlementOrderDO.getMerchantRemark());
                if(null != illegalWordsSearchResult){
                    String string = new StringBuilder().append("备注存在敏感词-\"").append(illegalWordsSearchResult.MatchKeyword).append("\"").toString();
                    logger.error(string);
                }

public class IllegalWordsSearchResult
{
    public IllegalWordsSearchResult(final String keyword, final int start, final int end, final int index,
                                    final String matchKeyword, final int type)
    {
        MatchKeyword = matchKeyword;
        End = end;
        Start = start;
        Index = index;
        Keyword = keyword;
        BlacklistType = type;
    }

    /**开始位置 */
    public int Start;
    /**结束位置 */
    public int End ;
    /**原始文本 */
    public String Keyword ;
    /**关键字 */
    public String MatchKeyword;
    /**黑名单类型 */
    public int BlacklistType ;
    /**索引 */
    public int Index;

 
}

参考文献：https://github.com/toolgood/ToolGood.Words
https://www.cnblogs.com/toolgood/p/15208734.html