SpringBoot用前缀树过滤敏感词
S mile0804 人气:0一、前缀树
一般设计网站的时候，会有问题发布或者是内容发布的功能，这些功能的有一个很重要的点在于如何实现敏感词过滤，要不然可能会有不良信息的发布，或者发布的内容中有夹杂可能会有恶意功能的代码片段，敏感词过滤的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。
前缀树又称为Trie、字典树、查找树。主要特点是：查找效率高，但内存消耗大；主要应用于字符串检索、词频统计、字符串排序等。
到底什么是前缀树？前缀树的功能是如何实现的？
举一个具体的例子：若有一个字符串"xwabfabcff"，敏感词为"abc"、"bf"、"be"，检测字符串，若有敏感词，则将敏感词替换为"*"，实现一个算法。
前缀树的特点：
1. 跟结点为空结点，没有任何字符。
2. 除了根节点以外，每个结点只有一个字符。
3. 每个结点包含的子节点不相同。 例如，root的子节点本来有两个b，但我们只保留一个
4. 在每个敏感词的末尾结点做一个标记，表示从根节点到此节点组合成的字符串是一个敏感词，中间未被标记的结点和根节点中间的字符串不构成一个敏感词。
前缀树的算法逻辑：
1. 准备：我们需要三个指针，①指针指向前缀树，默认指向根节点； ②、③指针指向要检测的字符串(同向尺距法，②从头到尾走一遍，标记敏感词的开头，③随着②而动，标记敏感词的结尾)，默认指向字符串的第一个字符。我们还需要一个存放检测结果的字符串(StringBuilder)。
2. ①访问树的第一层，发现没有'x'，则②、③向下走一步，并将'x'存入StringBuilder字符串里。'w' 同理。
3. 此时②、③指向'a'，①访问树的第一层，发现有'a'，但'a'未被标记，所以不是敏感词，则把'a'存入StringBuilder字符串。然后②不动，①、③继续向下走，直至走到被标记的结点或者不匹配时，①归位，②向下走一步，③回到此时②指向的地方。重复以上步骤。
4. 若检测到敏感词，则在StringBuilder中存储"***"，并使②跳过此敏感词，②、③共同指向原来③的下一个位置。
5. ②、③走到字符串的末尾时，检测完成。最终结果为"xwa******ff"。
二、敏感词过滤器
我们再开发项目时，需要开发出一个可复用的过滤敏感词的工具，成为敏感词过滤器，以便在项目中可以复用。
开发敏感词过滤器主要有以下三个步骤：
1. 定义前缀树
2. 根据敏感词，初始化前缀树
3. 编写过滤敏感词的方法
代码实现如下：
import org.apache.commons.lang3.CharUtils;
import org.apache.commons.lang3.StringUtils;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.stereotype.Component;
import javax.annotation.PostConstruct;
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.util.HashMap;
import java.util.Map;
@Component
public class SensitiveFilter {
// 记录日志
private static final Logger logger = LoggerFactory.getLogger(SensitiveFilter.class);
// 替换符
private static final String REPLACEMENT = "***";
// 初始化根节点
private TrieNode rootNode = new TrieNode();
/**
* 2. 根据敏感词，初始化前缀树
*/
@PostConstruct// 当容器在服务器启动时实例化此Bean，调用Bean的构造方法后，该方法就会被自动调用
public void init() {
try (
// 加载敏感词文件 sensitive-words.txt是自建的存放敏感词的文件
InputStream is = this.getClass().getClassLoader().getResourceAsStream("sensitive-words.txt");
// 字节流 --> 字符流 --> 字符缓冲流
BufferedReader reader = new BufferedReader(new InputStreamReader(is));
) {
String keyword;
while((keyword = reader.readLine()) != null){
// 添加到前缀树，addKeyword为自定义的方法，将一个敏感词添加到前缀树中去
this.addKeyword(keyword);
}
} catch (IOException e) {
logger.error("加载敏感词文件失败:" + e.getMessage());
}
}
// 封装方法：将一个敏感词添加到前缀树中去
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){
// 如果子节点中没有该字符，则以此字符初始化子节点，并装配到树中
subNode = new TrieNode();
tempNode.addSubNode(c,subNode);
}
// 指向字节点，进入下一层循环
tempNode = subNode;
// 设置结束标识
if(i == keyword.length() -1){
tempNode.setKeywordEnd(true);
}
}
}
/**
* 3. 检索并过滤敏感词
* @param text 待过滤的文本
* @return 过滤后的文本
*/
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;
// 存放结果
StringBuilder sb = new StringBuilder();
while(position < text.length()){
char c = text.charAt(position);
// 跳过符号
if(isSymbol(c)){
// 若指针①处于根节点，将此符号计入结果，让指针②向下走一步
if(tempNode == rootNode){
sb.append(c);
begin++;
}
// 无论符号在未检测时出现还是正在检测时出现，指针③总是向下走一步
// （未检测时和指针②一起向下走一步，检测时指针②不动，指针③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
begin++;
position = begin;
// 指针①归位，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
position++;
begin = position;
// 指针①归位，重新指向跟接待你
tempNode = rootNode;
}else {
// 检查下一个字符
position++;
}
}
// 将最后一批字符计入结果：指针③比指针②先到中终点，且两者之间的字符串不是敏感词
sb.append(text.substring(begin));
return sb.toString();
}
// 封装方法：判断是否为特殊符号
private boolean isSymbol(Character c){
// 0x2E80~0x9FFF 是东亚文字范围，不予当作特殊符号看待
return !CharUtils.isAsciiAlphanumeric(c) && (c < 0x2E80 || c > 0x9FFF);
}
/**
* 1. 定义前缀树
*/
private class TrieNode {
// 敏感词（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> subNodes = new HashMap<>();
public boolean isKeywordEnd() {
return isKeywordEnd;
}
public void setKeywordEnd(boolean keywordEnd) {
isKeywordEnd = keywordEnd;
}
// 添加子节点
public void addSubNode(Character c, TrieNode node) {
subNodes.put(c, node);
}
// 获取子节点
public TrieNode getSubNode(Character c) {
return subNodes.get(c);
}
}
}总结
加载全部内容