Java过滤敏感词语/词汇---DFA算法
最近网站需要在评论、投稿等地方过滤敏感词汇，于是在网上查找了相关教程，特此整理分享。
关于DFA算法，详细的可以去http://blog.csdn.net/u013378306/article/details/52764955 看看。
在这纪录下如何配合js验证控件validate来使用它：
首先把工具类导入到项目中：
package com.test.util; import java.io.BufferedReader; import java.io.File; import java.io.FileInputStream; import java.io.IOException; import java.io.InputStreamReader; import java.util.HashMap; import java.util.HashSet; import java.util.Iterator; import java.util.Map; import java.util.Set; import org.springframework.stereotype.Component; /** * Utils - 敏感词 * * @author test * @version 3.0 */ @Component public class DirtyStringUtil { private static String ENCODING = "UTF-8"; //字符编码 private static String PATH = "/resources/shop/dirtyString/DirtyString.txt"; //你的敏感词汇的文件 我会给大家分享一个我们用的 public static int minMatchTYpe = 1; //最小匹配规则 public static int maxMatchType = 2; //最大匹配规则 @SuppressWarnings("rawtypes") public static HashMap sensitiveWordMap; static { try { sensitiveWordMap = addSensitiveWordToHashMap(StringUtils.sourFolder+PATH); } catch (Exception e) { } } /** * 读取敏感词库，将敏感词放入HashSet中，构建一个DFA算法模型：<br> * 中 = { * isEnd = 0 * 国 = {<br> * isEnd = 1 * 人 = {isEnd = 0 * 民 = {isEnd = 1} * } * 男 = { * isEnd = 0 * 人 = { * isEnd = 1 * } * } * } * } * 五 = { * isEnd = 0 * 星 = { * isEnd = 0 * 红 = { * isEnd = 0 * 旗 = { * isEnd = 1 * } * } * } * } * @date 2014年4月20日 下午3:04:20 * @param keyWordSet 敏感词库 * @version 1.0 */ @SuppressWarnings({ "rawtypes", "unchecked" }) private static HashMap addSensitiveWordToHashMap(String path) { Set<String> keyWordSet = null; File file = new File(path); //读取文件 InputStreamReader read = null; try { read = new InputStreamReader(new FileInputStream(file),ENCODING); if(file.isFile() && file.exists()){ //文件流是否存在 keyWordSet = new HashSet<String>(); @SuppressWarnings("resource") BufferedReader bufferedReader = new BufferedReader(read); String txt = null; while((txt = bufferedReader.readLine()) != null){ //读取文件，将文件内容放入到set中 keyWordSet.add(txt); } } else{ //不存在抛出异常信息 throw new Exception("敏感词库文件不存在"); } } catch (Exception e) { e.printStackTrace(); }finally{ try { //关闭文件流 if (read != null) { read.close(); } } catch (IOException e) { e.printStackTrace(); } } HashMap sensitiveWordMap = new HashMap(keyWordSet.size()); //初始化敏感词容器，减少扩容操作 String key = null; Map nowMap = null; Map<String, String> newWorMap = null; //迭代keyWordSet Iterator<String> iterator = keyWordSet.iterator(); while(iterator.hasNext()){ key = iterator.next(); //关键字 nowMap = sensitiveWordMap; for(int i = 0 ; i < key.length() ; i++){ char keyChar = key.charAt(i); //转换成char型 Object wordMap = nowMap.get(keyChar); //获取 if(wordMap != null){ //如果存在该key，直接赋值 nowMap = (Map) wordMap; } else{ //不存在则，则构建一个map，同时将isEnd设置为0，因为他不是最后一个 newWorMap = new HashMap<String,String>(); newWorMap.put("isEnd", "0"); //不是最后一个 nowMap.put(keyChar, newWorMap); nowMap = newWorMap; } if(i == key.length() - 1){ nowMap.put("isEnd", "1"); //最后一个 } } } return sensitiveWordMap; } /** * 检查文字中是否包含敏感字符，检查规则如下：<br> * @date 2014年4月20日 下午4:31:03 * @param txt * @param beginIndex * @param matchType * @return，如果存在，则返回敏感词字符的长度，不存在返回0 * @version 1.0 */ @SuppressWarnings({ "rawtypes"}) public static int CheckSensitiveWord(String txt, Map nowMap, int beginIndex,int matchType){ boolean flag = false; //敏感词结束标识位：用于敏感词只有1位的情况 int matchFlag = 0; //匹配标识数默认为0 char word = 0; for(int i = beginIndex; i < txt.length() ; i++){ word = txt.charAt(i); nowMap = (Map) nowMap.get(word); //获取指定key if(nowMap != null){ //存在，则判断是否为最后一个 matchFlag++; //找到相应key，匹配标识+1 if("1".equals(nowMap.get("isEnd"))){ //如果为最后一个匹配规则,结束循环，返回匹配标识数 flag = true; //结束标志位为true if(minMatchTYpe == matchType){ //最小规则，直接返回,最大规则还需继续查找 break; } } } else{ //不存在，直接返回 break; } } if(matchFlag < 2 || !flag){ //长度必须大于等于1，为词 matchFlag = 0; } return matchFlag; } /** * 判断文字是否包含敏感字符 * @date 2014年4月20日 下午4:28:30 * @param path 敏感词库文件路径 * @param txt 文字 * @param matchType 匹配规则 1：最小匹配规则，2：最大匹配规则 * @return 若包含返回true，否则返回false * @version 1.0 */ public static boolean isContaintSensitiveWord(String txt, int matchType){ boolean flag = false; for(int i = 0 ; i < txt.length() ; i++){ int matchFlag = CheckSensitiveWord(txt, sensitiveWordMap, i, matchType); //判断是否包含敏感字符 if(matchFlag > 0){ //大于0存在，返回true flag = true; } } return flag; } }
PATH 的路径就是你把敏感词汇那个文档放到的那个路径，这个是我们用的文档：http://pan.baidu.com/s/1o8uD2yQ
然后是验证相关的代码（content就是要验证的那个内容）:
$inputForm.validate({ focusCleanup: true, rules: { title: "required",//标题不为空 linkName: "required", //名字不为空 linkPhone: {//验证手机 required: true, pattern: /^((0\d{2,3}-\d{7,8})|(1[34578]\d{9}))$/, }, content:{ remote: {//此处就是验证是否饱含敏感词汇的 把这个地址替换成你的controller url: "${base}/dirtyString/check_dirtyString.jhtml" } } }, messages: { content: { remote: "含敏感词汇，请修改后重新发布" } }
remote的url处就是验证是否饱含敏感词汇的， 把这个地址替换成你的controller。
然后就是我们controller的代码：
package com.test.controller.shop; import org.apache.commons.lang.StringUtils; import org.springframework.stereotype.Controller; import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.web.bind.annotation.RequestMethod; import org.springframework.web.bind.annotation.ResponseBody; import com.nbcyl.util.DirtyStringUtil; @Controller("dirtyStringController") @RequestMapping("/dirtyString") public class DirtyStringController { /** * 检查内容是否包含敏感词语 */ @RequestMapping(value = "/check_dirtyString", method = RequestMethod.GET) public @ResponseBody boolean checkDirtyString(String content) { if (StringUtils.isEmpty(content)) { return false; } //去除中英文空格 然后调用工具类判断 是否饱含 敏感词 String lastContent = content.replaceAll("\\s", "").replaceAll(" ", ""); if (DirtyStringUtil.isContaintSensitiveWord(lastContent, 2)) { return false; } else { return true; } } }
OK，到这基本上就可以啦，当你的页面触发了validate时，就会提示那个message里设置的文字了！
