敏感词过滤

1.敏感词过滤工具类

SensitiveFilter.java

/**
 * 敏感词过滤工具类
 * @Author: ANTIA1
 * @Date: 2021/2/13 14:43
 */
@Component
public class SensitiveFilter {

    private static final Logger LOGGER = LoggerFactory.getLogger(SensitiveFilter.class);

    //替换符
    private static final String REPLACEMENT = "***";

    //根节点
    private TrieNode rootNode = new TrieNode();

    @PostConstruct
    public void init(){
        try(
            InputStream is = this.getClass().getClassLoader().getResourceAsStream("sensitive-words.txt");
            BufferedReader reader = new BufferedReader(new InputStreamReader(is));
            )
        {
            String keyword;
            while ((keyword = reader.readLine())!=null){
                // 添加到前缀树
                this.addKeyword(keyword);
            }
        } catch (Exception e) {
            LOGGER.error("加载敏感词文件失败："+e.getMessage());
        }
    }

    /**
     * 把敏感词添加到前缀树中
     * @param keyword
     */
    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){
                // 初始化子节点
                subNode = new TrieNode();
                tempNode.addSubNode(c,subNode);
            }

            // 指向子节点,进入下一轮循环
            tempNode = subNode;

            // 设置结束的标识
            if (i ==keyword.length()-1){
                tempNode.setKeywordEnd(true);
            }
        }
    }

    /**
     * 过滤敏感词
     * @param text 待过滤文本
     * @return
     */
    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;
        // 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属于根节点,将此符号计入结果,让指针2向下走一步
                if (tempNode == rootNode){
                    sb.append(c);
                    begin ++;
                }
                // 无论符号在开头或中间，指针3都向下走一步
                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
                position = ++begin;
                // 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
                begin = ++position;
                // 重新指向根节点
                tempNode = rootNode;
            }else {
                // 检查下一个字符
                position ++;
            }
        }

        //将最后一批字符计入结果
        sb.append(text.substring(begin));
        return sb.toString();
    }

    /**
     * 判断是否为符号
     * @param c
     * @return
     */
    private boolean isSymbol(Character c){
        //东亚文字范围 (c<0x2E80 || c > 0x9FFF)
        return !CharUtils.isAsciiAlphanumeric(c) && (c<0x2E80 || c > 0x9FFF);
    }

    /**
     * 前缀树
     */
    @Data
    private class TrieNode{
        // 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<Character,TrieNode> subNods = new HashMap<>();


        // 添加子节点
        public void addSubNode(Character c,TrieNode node){
            subNods.put(c,node);
        }

        // 获得子节点
        public TrieNode getSubNode(Character c){
            return subNods.get(c);
        }
    }

}

2.敏感词文件

sensitive-words.txt 一词一行

3.测试结果

Test.java

/**
 * 敏感词测试
 */
@Autowired
private SensitiveFilter sensitiveFilter;

@Test
public void testSensitiveFilter(){
    String text = "这里可以赌博,可以嫖娼,可以吸毒,可以开票,哈哈哈！";
    text = sensitiveFilter.filter(text);
    System.out.println(text);

    text = "这里可以▲赌▲博▲,可以▲嫖▲娼▲,可以▲吸▲毒▲,可以▲开▲票▲,哈哈哈！";
    text = sensitiveFilter.filter(text);
    System.out.println(text);

}

结果: