大部分論壇、網(wǎng)站等，為了方便管理，都進(jìn)行了關(guān)于敏感詞的設(shè)定。
在多數(shù)網(wǎng)站，敏感詞一般是指帶有敏感政治傾向（或反執(zhí)政黨傾向）、暴力傾向、不健康色彩的詞或不文明語(yǔ)，也有一些網(wǎng)站根據(jù)自身實(shí)際情況，設(shè)定一些只適用于本網(wǎng)站的特殊敏感詞。
比如，當(dāng)你發(fā)貼的時(shí)候帶有某些事先設(shè)定的詞時(shí)，這個(gè)貼是不能發(fā)出的。或者這個(gè)詞被自動(dòng)替換為星號(hào)(*)或叉號(hào)(X)等，或者說(shuō)是被和諧掉了。
在我看來(lái)敏感詞過(guò)濾最重要的是在寫過(guò)濾詞匯的算法，如何過(guò)濾出大批量的敏感詞，我感覺(jué)DFA的思想不錯(cuò)
DFA簡(jiǎn)介
在實(shí)現(xiàn)文字過(guò)濾的算法中，DFA是唯一比較好的實(shí)現(xiàn)算法。DFA即Deterministic Finite Automaton，也就是確定有窮自動(dòng)機(jī)，它是是通過(guò)event和當(dāng)前的state得到下一個(gè)state，即event+state=nextstate。下圖展示了其狀態(tài)的轉(zhuǎn)換
在這幅圖中大寫字母（S、U、V、Q）都是狀態(tài)，小寫字母a、b為動(dòng)作。通過(guò)上圖我們可以看到如下關(guān)系
a b b
S -----> U S -----> V U -----> V
在實(shí)現(xiàn)敏感詞過(guò)濾的算法中，我們必須要減少運(yùn)算，而DFA在DFA算法中幾乎沒(méi)有什么計(jì)算，有的只是狀態(tài)的轉(zhuǎn)換。
Java實(shí)現(xiàn)DFA算法實(shí)現(xiàn)敏感詞過(guò)濾
在Java中實(shí)現(xiàn)敏感詞過(guò)濾的關(guān)鍵就是DFA算法的實(shí)現(xiàn)。首先我們對(duì)上圖進(jìn)行剖析。在這過(guò)程中我們認(rèn)為下面這種結(jié)構(gòu)會(huì)更加清晰明了。
同時(shí)這里沒(méi)有狀態(tài)轉(zhuǎn)換，沒(méi)有動(dòng)作，有的只是Query（查找）。我們可以認(rèn)為，通過(guò)S query U、V，通過(guò)U query V、P，通過(guò)V query U P。通過(guò)這樣的轉(zhuǎn)變我們可以將狀態(tài)的轉(zhuǎn)換轉(zhuǎn)變?yōu)槭褂肑ava集合的查找。
誠(chéng)然，加入在我們的敏感詞庫(kù)中存在如下幾個(gè)敏感詞：日本人、日本鬼子、毛.澤.東。那么我需要構(gòu)建成一個(gè)什么樣的結(jié)構(gòu)呢？
首先：query 日 ---> {本}、query 本 --->{人、鬼子}、query 人 --->{null}、query 鬼 ---> {子}。形如下結(jié)構(gòu)：
下面我們?cè)趯?duì)這圖進(jìn)行擴(kuò)展：
這樣我們就將我們的敏感詞庫(kù)構(gòu)建成了一個(gè)類似與一顆一顆的樹(shù)，這樣我們判斷一個(gè)詞是否為敏感詞時(shí)就大大減少了檢索的匹配范圍。比如我們要判斷日本人，根據(jù)第一個(gè)字我們就可以確認(rèn)需要檢索的是那棵樹(shù)，然后再在這棵樹(shù)中進(jìn)行檢索。
這個(gè)思想留著以后用，我先寫一個(gè)過(guò)濾詞匯的一些簡(jiǎn)單方法，沒(méi)有涉及到算法
Java代碼實(shí)現(xiàn)
基本思路：重寫HttpServletRequestWrapper中的getParameter方法，讓用戶輸入的字通過(guò)這個(gè)過(guò)濾，寫一個(gè)類繼承他，重寫方法，在寫一個(gè)過(guò)濾詞匯的詞典，來(lái)與輸入的對(duì)比
先寫一個(gè)jsp頁(yè)面，js是用Ajax去刷新的，最近學(xué)的想用用試試看，感覺(jué)不錯(cuò)，Ajax是需要引js文件的
<body> <input type="text" name="word" onblur="filter(this.value);" id="filter"/> <input type="submit" value="敏感詞過(guò)濾" /><script type="text/javascript" src="js/jquery.js"></script><script type="text/javascript"> function filter(num){ $.ajax({ type:"post",//提交方式 url:"FilterWordServlet", async:true,//是否異步請(qǐng)求 dataType:"html",//數(shù)據(jù)的返回類型 data:{"num":num},//數(shù)據(jù)傳過(guò)去的值 success:function(data,textStatus){//成功的執(zhí)行之后，回調(diào)這個(gè)函數(shù)處理事務(wù) $("#filter").val(data); }, error:function(){//失敗執(zhí)行這個(gè)函數(shù)，處理失敗的事務(wù) alert("error"); } }) }</script></body>再繼承HttpServletRequestWrapper在重寫getParameter方法，
//主要思路是繼承HttpServletRequestWrapper，去改寫他的getParameter方法，讓其有過(guò)濾的業(yè)務(wù)public class WordFilter extends HttpServletRequestWrapper{ public WordFilter(HttpServletRequest request) { super(request); // TODO Auto-generated constructor stub } @Override public String getParameter(String name){ //先得到父親的方法，傳入值，得到的值在跟過(guò)濾字典中的比較看是否含有，有則替換，沒(méi)有放過(guò)返回 String word=super.getParameter(name); //調(diào)用字典中的文字 List<String> list=Words.getList(); for (String string : list) { //判斷是否含有這樣字典中的文字 if (word.contains(string)) { //將字符串中含有的替換掉 word=word.replace(string, "**"); } } return word; } }再寫一個(gè)Servlet，去獲取用戶輸入的字，進(jìn)行過(guò)濾操作
@WebServlet("/FilterWordServlet")public class FilterWordServlet extends HttpServlet { private static final long serialVersionUID = 1L; protected void doGet(HttpServletRequest request, HttpServletResponse response) throws ServletException, IOException { //設(shè)置請(qǐng)求和編碼格式 request.setCharacterEncoding("utf-8"); response.setCharacterEncoding("utf-8"); //自己創(chuàng)建的請(qǐng)求方法，繼承與原來(lái)的，改寫了getParameter方法讓其有過(guò)濾的業(yè)務(wù) WordFilter wFilter=new WordFilter(request); String string=wFilter.getParameter("num"); System.out.println("---------------"); //out的響應(yīng)方法。輸出在頁(yè)面上，讓ajax得到這個(gè)去處理一些業(yè)務(wù) PrintWriter out=response.getWriter(); out.println(string); } protected void doPost(HttpServletRequest request, HttpServletResponse response) throws ServletException, IOException { // TODO Auto-generated method stub doGet(request, response); }}我自己建了一個(gè)list集合的過(guò)濾詞匯，以后修改可以從這里開(kāi)始詞匯的搜索算法，先建一個(gè)詞匯類
public class Words { //過(guò)濾詞匯的詞典 static List<String> list=new ArrayList<>(); static{ list.add("你妹的"); list.add("sb"); list.add("滾"); } public static List<String> getList() { return list; } public static void setList(List<String> list) { Words.list = list; } }這只是最基礎(chǔ)的一種。高級(jí)的需要算法的實(shí)現(xiàn)，可以思考一下這個(gè)DFA算法，我感覺(jué)很不錯(cuò)
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持VeVb武林網(wǎng)。
新聞熱點(diǎn)
疑難解答
圖片精選
