SpringBoot使用SensitiveWord实现敏感词过滤
墨水记忆 人气:0包含默认敏感词过滤和自定义敏感词过滤。
导入依赖
<dependency> <groupId>com.github.houbb</groupId> <artifactId>sensitive-word</artifactId> <version>0.2.0</version> </dependency>
方法
方法 | 参数 | 返回值 | 说明 |
---|---|---|---|
contains(String) | 待验证的字符串 | 布尔值 | 验证字符串是否包含敏感词 |
replace(String, ISensitiveWordReplace) | 使用指定的替换策略替换敏感词 | 字符串 | 返回脱敏后的字符串 |
replace(String, char) | 使用指定的 char 替换敏感词 | 字符串 | 返回脱敏后的字符串 |
replace(String) | 使用 * 替换敏感词 | 字符串 | 返回脱敏后的字符串 |
findAll(String) | 待验证的字符串 | 字符串列表 | 返回字符串中所有敏感词 |
findFirst(String) | 待验证的字符串 | 字符串 | 返回字符串中第一个敏感词 |
findAll(String, IWordResultHandler) | IWordResultHandler 结果处理类 | 字符串列表 | 返回字符串中所有敏感词 |
findFirst(String, IWordResultHandler) | IWordResultHandler 结果处理类 | 字符串 | 返回字符串中第一个敏感词 |
ISensitiveWordReplace:敏感词替换策略。
IWordResultHandler:结果处理。可以对敏感词的结果进行处理,允许用户自定义。内置了WordResultHandlers 工具类。
- WordResultHandlers.word():只保留敏感词单词本身。
- WordResultHandlers.raw():保留敏感词相关信息,包含敏感词以及敏感词对应的开始和结束下标。
默认示例
使用默认提供的方法。
@Test void testWord() { String text = "红旗迎风飘扬,主席的画像屹立在天安门前。"; System.out.println(SensitiveWordHelper.contains(text)); System.out.println(SensitiveWordHelper.replace(text)); System.out.println(SensitiveWordHelper.replace(text, '0')); System.out.println(SensitiveWordHelper.findFirst(text)); System.out.println(SensitiveWordHelper.findFirst(text, WordResultHandlers.word())); System.out.println(SensitiveWordHelper.findFirst(text, WordResultHandlers.raw())); System.out.println(SensitiveWordHelper.findAll(text)); System.out.println(SensitiveWordHelper.findAll(text, WordResultHandlers.word())); System.out.println(SensitiveWordHelper.findAll(text, WordResultHandlers.raw())); }
输出:
Init sensitive word map end! Cost time: 163ms
true
****迎风飘扬,***的画像屹立在***前。
0000迎风飘扬,000的画像屹立在000前。
红旗
红旗
WordResult{word='红旗', startIndex=0, endIndex=4}
[红旗, 主席, 天安门]
[红旗, 主席, 天安门]
[WordResult{word='红旗', startIndex=0, endIndex=4}, WordResult{word='主席', startIndex=9, endIndex=12}, WordResult{word='天安门', startIndex=18, endIndex=21}]
自定义替换策略示例
采用自定义的替换策略实现。首先需要实现 ISensitiveWordReplace接口自定义替换策略:
package com.tothefor; import com.github.houbb.heaven.util.lang.CharUtil; import com.github.houbb.sensitive.word.api.ISensitiveWordReplace; import com.github.houbb.sensitive.word.api.ISensitiveWordReplaceContext; public class MySensitiveWordReplace implements ISensitiveWordReplace { @Override public String replace(ISensitiveWordReplaceContext context) { String sensitiveWord = context.sensitiveWord(); // 自定义不同的敏感词替换策略,可以从数据库等地方读取 if ("红旗".equals(sensitiveWord)) { return "旗帜"; } if ("天安门".equals(sensitiveWord)) { return "门"; } if ("主席".equals(sensitiveWord)) { return "教员"; } // 其他默认使用 * 代替 int wordLength = context.wordLength(); return CharUtil.repeat('*', wordLength); } }
使用:
@Test void testWord() { String text = "红旗迎风飘扬,主席的画像屹立在天安门前。"; System.out.println(SensitiveWordHelper.contains(text)); System.out.println(SensitiveWordHelper.replace(text, new MySensitiveWordReplace())); String text1 = "最好的记忆不如最淡的墨水。"; System.out.println(SensitiveWordHelper.contains(text1)); System.out.println(SensitiveWordHelper.replace(text1, new MySensitiveWordReplace())); }
输出:
Init sensitive word map end! Cost time: 16ms
true
旗帜迎风飘扬,教员的画像屹立在门前。
false
最好的记忆不如最淡的墨水。
自定义
点进 SensitiveWordHelper 源码,可以看见以下代码:
private static final SensitiveWordBs WORD_BS = SensitiveWordBs.newInstance().init();
而且可以发现,方法也都是调用的 SensitiveWordBs 类的方法。所以,可以理解成 SensitiveWordHelper 只是对 SensitiveWordBs 的一层封装,而之所以封装就是为了提供给开发者针对简单场景的快速的使用。
而且从上面的创建语句中可以看见,没有加任何其他的东西,就只是初始化了一个,这也是最简单的。接下来就是自定义 SensitiveWordBs 实现敏感词过滤。
自定义SensitiveWordBs
下来看有哪些参数可以加,各项配置的说明如下:
序号 | 方法 | 说明 |
---|---|---|
1 | ignoreCase | 忽略大小写 |
2 | ignoreWidth | 忽略半角圆角 |
3 | ignoreNumStyle | 忽略数字的写法 |
4 | ignoreChineseStyle | 忽略中文的书写格式 |
5 | ignoreEnglishStyle | 忽略英文的书写格式 |
6 | ignoreRepeat | 忽略重复词 |
7 | enableNumCheck | 是否启用数字检测。默认连续 8 位数字认为是敏感词 |
8 | enableEmailCheck | 是有启用邮箱检测 |
9 | enableUrlCheck | 是否启用链接检测 |
然后创建自定义的 SensitiveWordBs,如下:
package com.tothefor.motorcode.core.SensitiveWord; import com.github.houbb.sensitive.word.bs.SensitiveWordBs; import com.github.houbb.sensitive.word.support.allow.WordAllows; import com.github.houbb.sensitive.word.support.deny.WordDenys; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; @Configuration public class SensitiveWordConfig { @Autowired private CustomWordAllow customWordAllow; @Autowired private CustomWordDeny customWordDeny; /** * 初始化引导类 * * @return 初始化引导类 * @since 1.0.0 */ @Bean public SensitiveWordBs sensitiveWordBs() { // 可根据数据库数据判断 动态增加配置 return SensitiveWordBs.newInstance() .wordDeny(WordDenys.chains(WordDenys.system(),customWordDeny)) // 设置黑名单 .wordAllow(WordAllows.chains(WordAllows.system(), customWordAllow)) // 设置白名单 .ignoreCase(true) .ignoreWidth(true) .ignoreNumStyle(true) .ignoreChineseStyle(true) .ignoreEnglishStyle(true) .ignoreRepeat(true) .enableEmailCheck(true) .enableUrlCheck(true) // 各种其他配置 .init(); } }
其中,wordDeny、wordAllow是自定义敏感词的黑名单和白名单。可以设置单个,也可以设置多个。如下:
// 设置系统默认敏感词 SensitiveWordBs wordBs = SensitiveWordBs.newInstance() .wordDeny(WordDenys.system()) // 黑名单 .wordAllow(WordAllows.system()) // 白名单 .init(); // 设置自定义敏感词 SensitiveWordBs wordBs = SensitiveWordBs.newInstance() .wordDeny(new MyWordDeny()) .wordAllow(new MyWordAllow()) .init(); // 设置多个敏感词,系统默认和自定义 IWordDeny wordDeny = WordDenys.chains(WordDenys.system(), new MyWordDeny()); IWordAllow wordAllow = WordAllows.chains(WordAllows.system(), new MyWordAllow()); SensitiveWordBs wordBs = SensitiveWordBs.newInstance() .wordDeny(wordDeny) .wordAllow(wordAllow) .init();
接下来再加自定义敏感词配置。
自定义敏感词白名单
自定义有哪一些是敏感词白名单,如果遇见是需要进行展示的。通过实现 IWordAllow 接口重写 allow() 方法返回白名单敏感词。
package com.tothefor.motorcode.core.SensitiveWord; import com.github.houbb.sensitive.word.api.IWordAllow; import org.springframework.stereotype.Service; import java.util.Arrays; import java.util.List; @Service public class CustomWordAllow implements IWordAllow { /** * 允许的内容-返回的内容不被当做敏感词 * @return */ @Override public List<String> allow() { // 从数据库中查询白名单敏感词 return Arrays.asList("红旗"); } }
自定义敏感词黑名单
增加敏感词黑名单。通过实现 IWordDeny 接口重写 deny() 方法返回黑名单敏感词。
package com.tothefor.motorcode.core.SensitiveWord; import com.github.houbb.sensitive.word.api.IWordDeny; import org.springframework.stereotype.Service; import java.util.Arrays; import java.util.List; /** * 自定义敏感词 */ @Service public class CustomWordDeny implements IWordDeny { /** * 拒绝出现的数据-返回的内容被当做是敏感词 * * @return */ @Override public List<String> deny() { // 从数据库中查询自定义敏感词 return Arrays.asList("红旗"); } }
示例
测试自定义使用:
@Autowired private SensitiveWordBs sensitiveWordBs; @Test void testWord() { String text = "红旗迎风飘扬,主席的画像屹立在天安门前。"; System.out.println(sensitiveWordBs.contains(text)); System.out.println(sensitiveWordBs.replace(text)); System.out.println(sensitiveWordBs.replace(text, '0')); System.out.println(sensitiveWordBs.replace(text, new MySensitiveWordReplace())); System.out.println(sensitiveWordBs.findFirst(text)); System.out.println(sensitiveWordBs.findFirst(text, WordResultHandlers.word())); System.out.println(sensitiveWordBs.findFirst(text, WordResultHandlers.raw())); System.out.println(sensitiveWordBs.findAll(text)); System.out.println(sensitiveWordBs.findAll(text, WordResultHandlers.word())); System.out.println(sensitiveWordBs.findAll(text, WordResultHandlers.raw())); }
输出:
true
红旗迎风飘扬,***的画像屹立在***前。
红旗迎风飘扬,000的画像屹立在000前。
红旗迎风飘扬,教员的画像屹立在门前。
主席
主席
WordResult{word='主席', startIndex=9, endIndex=12}
[主席, 天安门]
[主席, 天安门]
[WordResult{word='主席', startIndex=9, endIndex=12}, WordResult{word='天安门', startIndex=18, endIndex=21}]
可以看见,和之前的有一点不一样。‘红旗’ 并没有被过滤掉,主要原因就是因为我们的自定义敏感词白名单中加入了 ‘红旗’ ,所以没有被过滤掉。但是黑名单中又有这个词,为什么没有被过滤掉?这里有个点就是:如果黑名单和白名单中都有同一个敏感词,那么这个词是不会被过滤的。
重置词库
因为敏感词库的初始化较为耗时,建议程序启动时做一次 init 初始化。但为了保证敏感词修改可以实时生效且保证接口的尽可能简化,可以在数据库词库发生变更时,需要词库生效,主动触发一次初始化 sensitiveWordBs.init()。因为在调用 sensitiveWordBs.init() 的时候,根据 IWordDeny+IWordAllow 重新构建敏感词库。因为初始化可能耗时较长(秒级别),所有优化为 init 未完成时不影响旧的词库功能,完成后以新的为准。
@Autowired private SensitiveWordBs sensitiveWordBs; sensitiveWordBs.init();
每次数据库的信息发生变化之后,首先调用更新数据库敏感词库的方法,然后调用这个方法。但不推荐将此方法放在数据库被修改后就调用,而推荐单独开一个接口,手动调用。
总结
所有的操作均是在 SensitiveWordBs 上操作的。
加载全部内容