AskMe Spring项目提问功能——前缀树敏感词过滤

问题发布功能的重点在于如何实现敏感词过滤,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
下面是具体的代码

  • 前缀树的结构
    其中包括有是否为结尾的标志符end,当在树中找到这个位置时,说明找到了敏感词,可以将其打码设为**,从后面的字符继续匹配
   private class TrieNode {
        private boolean end = false;
        private Map<Character, TrieNode> map = new HashMap<Character, TrieNode>();
        private Character c;

        TrieNode() {
        }

        TrieNode(Character ch) {
            c = ch;
        }

        public Character getch() {
            return c;
        }

        public void setend(boolean a) {
            this.end = a;
        }

        public boolean getend() {
            return end;
        }

        public void addTrieNode(TrieNode tn) {
            map.put(tn.getch(), tn);
        }

        public TrieNode getTrieNode(Character key) {
            return map.get(key);
        }

    }

  • 前缀树的生成(从txt文件中读取,每读到一个词语(一个词语一行),利用addword来添加)
    注意:这里该类implements InitializingBean其中的一个函数——public void afterPropertiesSet() throws Exception,这个函数表示在实例化bean之后,即Bean属性注入之后,执行的操作,我们通过这个函数,在每次注入该服务时,能够初始化前缀树

    @Override
    public void afterPropertiesSet() throws Exception {
        rootNode = new TrieNode();
        try {
            BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream(new File("C:\\Users\\erika\\Videos\\offer\\askme\\src\\main\\resources\\SensitiveWords.txt")),
                    "UTF-8"));
            String lineTxt = null;
            while ((lineTxt = br.readLine()) != null) {
                addword(lineTxt.trim());

                System.out.println(lineTxt);
            }
            br.close();
        } catch (Exception e) {
            logger.error("读取文件失败" + e);
            System.out.println("111");
        }

    }
  • 向前缀树中添加词语(每个字占一个节点)
    public void addword(String word) {
        TrieNode tmp = rootNode;
        for (int i = 0; i < word.length(); i++) {
            if (isSymbol(word.charAt(i)))
                continue;
            if (tmp.getTrieNode(word.charAt(i)) != null) ;
            else {
                TrieNode tt = new TrieNode(word.charAt(i));
                tmp.addTrieNode(tt);
            }
            tmp = tmp.getTrieNode(word.charAt(i));
            if (i == word.length() - 1) {
                tmp.setend(true);
            }
        }
    }
  • filter匹配字符串

    public String filterword(String content) {
        TrieNode root = rootNode;
        TrieNode tmp = root;
        StringBuilder result = new StringBuilder();
        int head = 0;
        int current = 0;
        while (head < content.length()) {
            Character c = content.charAt(head);
            tmp = root;
            if (isSymbol(c)) {
                head++;
                current++;
                result.append(c);
                continue;
            }
            boolean flag = false;
            while (current < content.length() && tmp.getTrieNode(c) != null) {
                if (tmp.getTrieNode(c).getend()) {
                    result.append("**");
                    flag = true;
                    break;
                }
                current++;
                tmp = tmp.getTrieNode(c);
                while(current<content.length() && isSymbol(content.charAt(current))) {
                    current++;
                    continue;
                }
                c = content.charAt(current);

            }
            if (flag) {
                current++;
                head = current;
            } else {
                result.append(content.charAt(head));
                head++;
                current = head;
            }
        }
        return result.toString();
    }

  • 一个辅助函数,用来判断字符是否为空格,或者特殊字符
    private boolean isSymbol(char c) {
        int ic = (int) c;
        Character.UnicodeBlock ub = Character.UnicodeBlock.of(c);
        //判断是否为中文标点
        if (ub == Character.UnicodeBlock.GENERAL_PUNCTUATION
                || ub == Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION
                || ub == Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS
                || ub == Character.UnicodeBlock.CJK_COMPATIBILITY_FORMS
                || ub == Character.UnicodeBlock.VERTICAL_FORMS)
            return true;
        // 0x2E80-0x9FFF 东亚文字范围
        return Character.isSpaceChar(c)||(!CharUtils.isAsciiAlphanumeric(c) && (ic < 0x2E80 || ic > 0x9FFF));
    }
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,258评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,335评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,225评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,126评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,140评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,098评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,018评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,857评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,298评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,518评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,678评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,400评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,993评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,638评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,801评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,661评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,558评论 2 352

推荐阅读更多精彩内容