SpringBoot實(shí)現(xiàn)過濾敏感詞的示例代碼

更新時(shí)間：2022年08月05日 10:55:19 作者：嘿_魚骨頭

這篇文章主要為大家詳細(xì)介紹了如何利用SpringBoot實(shí)現(xiàn)過濾敏感詞功能，文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以動(dòng)手嘗試一下

過濾敏感詞

1. 創(chuàng)建一個(gè)儲(chǔ)存要過濾的敏感詞的文本文件

首先創(chuàng)建一個(gè)文本文件儲(chǔ)存要過濾的敏感詞

在下面的工具類中我們會(huì)讀取這個(gè)文本文件，這里提前給出

@PostConstruct   // 這個(gè)注解表示當(dāng)容器實(shí)例化這個(gè)bean（服務(wù)啟動(dòng)的時(shí)候）之后在調(diào)用構(gòu)造器之后這個(gè)方法會(huì)自動(dòng)的調(diào)用
public void init(){
    try(
            // 讀取寫有“敏感詞”的文件，getClass表示從程序編譯之后的target/classes讀配置文件，讀之后是字節(jié)流
            // java7語法，在這里的句子最后會(huì)自動(dòng)執(zhí)行close語句
            InputStream is = this.getClass().getClassLoader().getResourceAsStream("sensitive-words.txt");
            // 字節(jié)流  ->   字符流  ->  緩沖流
            BufferedReader reader = new BufferedReader(new InputStreamReader(is));

    ) {
        String keyword;
        // 從文件中一行一行讀
        while ((keyword = reader.readLine()) != null){
            // 添加到前綴樹
            this.addKeyword(keyword);
        }
    } catch (IOException e) {
        logger.error("加載敏感詞文件失敗: " + e.getMessage());
    }
}

2. 開發(fā)過濾敏感詞的工具類

開發(fā)過濾敏感詞組件

為了方便以后復(fù)用，我們把過濾敏感詞寫成一個(gè)工具類SensitiveFilter。

@Component
public class SensitiveFilter {

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

    // 當(dāng)檢測(cè)到敏感詞后我們要把敏感詞替換成什么符號(hào)
    private static final String REPLACEMENT = "***";

    // 根節(jié)點(diǎn)
    private TrieNode rootNode = new TrieNode();

    @PostConstruct   // 這個(gè)注解表示當(dāng)容器實(shí)例化這個(gè)bean（服務(wù)啟動(dòng)的時(shí)候）之后在調(diào)用構(gòu)造器之后這個(gè)方法會(huì)自動(dòng)的調(diào)用
    public void init(){
        try(
                // 讀取寫有“敏感詞”的文件，getClass表示從程序編譯之后的target/classes讀配置文件，讀之后是字節(jié)流
                // java7語法，在這里的句子最后會(huì)自動(dòng)執(zhí)行close語句
                InputStream is = this.getClass().getClassLoader().getResourceAsStream("sensitive-words.txt");
                // 字節(jié)流  ->   字符流  ->  緩沖流
                BufferedReader reader = new BufferedReader(new InputStreamReader(is));

        ) {
            String keyword;
            // 從文件中一行一行讀
            while ((keyword = reader.readLine()) != null){
                // 添加到前綴樹
                this.addKeyword(keyword);
            }
        } catch (IOException e) {
            logger.error("加載敏感詞文件失敗: " + e.getMessage());
        }
    }

    // 將一個(gè)敏感詞添加到前綴樹中
    private void addKeyword(String keyword){
        // 首先默認(rèn)指向根
        TrieNode tempNode = rootNode;
        for (int i = 0; i < keyword.length(); i++) {
            char c = keyword.charAt(i);
            TrieNode subNode = tempNode.getSubNode(c);
            if(subNode == null){
                // subNode為空，初始化子節(jié)點(diǎn)；subNode不為空，直接用就可以了
                subNode = new TrieNode();
                tempNode.addSubNode(c, subNode);
            }
            // 指針指向子節(jié)點(diǎn)，進(jìn)入下一輪循環(huán)
            tempNode = subNode;
        }
        // 最后要設(shè)置結(jié)束標(biāo)識(shí)
        tempNode.setKeywordEnd(true);
    }

    /**
     * 過濾敏感詞
     * @param text 待過濾的文本
     * @return  過濾后的文本
     */
    public String filter(String text){
        if(StringUtils.isBlank(text)){
            // 待過濾的文本為空，直接返回null
            return null;
        }
        // 指針1，指向樹
        TrieNode tempNode = rootNode;
        // 指針2，指向正在檢測(cè)的字符串段的首
        int begin = 0;
        // 指針3，指向正在檢測(cè)的字符串段的尾
        int position = 0;
        // 儲(chǔ)存過濾后的文本
        StringBuilder sb = new StringBuilder();
        while (begin < text.length()){
            char c = text.charAt(position);

            // 跳過符號(hào)，比如 “開票”是敏感詞 #開#票# 這個(gè)字符串中間的 '#' 應(yīng)該跳過
            if(isSymbol(c)){
                // 是特殊字符
                // 若指針1處于根節(jié)點(diǎn)，將此符號(hào)計(jì)入結(jié)果，指針2、3向右走一步
                if(tempNode == rootNode){
                    sb.append(c);
                    begin++;
                }
                // 無論符號(hào)在開頭或中間，指針3都向下走一步
                position++;
                // 符號(hào)處理完，進(jìn)入下一輪循環(huán)
                continue;
            }
            // 執(zhí)行到這里說明字符不是特殊符號(hào)
            // 檢查下級(jí)節(jié)點(diǎn)
            tempNode = tempNode.getSubNode(c);
            if(tempNode == null){
                // 以begin開頭的字符串不是敏感詞
                sb.append(text.charAt(begin));
                // 進(jìn)入下一個(gè)位置
                position = ++begin;
                // 重新指向根節(jié)點(diǎn)
                tempNode = rootNode;
            } else if(tempNode.isKeywordEnd()){
                // 發(fā)現(xiàn)敏感詞，將begin~position字符串替換掉，存 REPLACEMENT （里面是***）
                sb.append(REPLACEMENT);
                // 進(jìn)入下一個(gè)位置
                begin = ++position;
                // 重新指向根節(jié)點(diǎn)
                tempNode = rootNode;
            } else {
                // 檢查下一個(gè)字符
                position++;
            }
        }
        return sb.toString();
    }

    // 判斷是否為特殊符號(hào)，是則返回true，不是則返回false
    private boolean isSymbol(Character c){
        // CharUtils.isAsciiAlphanumeric(c)方法：a、b、1、2···返回true，特殊字符返回false
        // 0x2E80  ~  0x9FFF 是東亞的文字范圍，東亞文字范圍我們不認(rèn)為是符號(hào)
        return  !CharUtils.isAsciiAlphanumeric(c) && (c < 0x2E80 || c > 0x9FFF);
    }

    // 前綴樹
    private class TrieNode{

        // 關(guān)鍵詞結(jié)束標(biāo)識(shí)
        private boolean isKeywordEnd = false;

        // 當(dāng)前節(jié)點(diǎn)的子節(jié)點(diǎn)(key是下級(jí)字符、value是下級(jí)節(jié)點(diǎn))
        private Map<Character, TrieNode> subNodes = new HashMap<>();

        public boolean isKeywordEnd() {
            return isKeywordEnd;
        }

        public void setKeywordEnd(boolean keywordEnd) {
            isKeywordEnd = keywordEnd;
        }

        // 添加子節(jié)點(diǎn)
        public void addSubNode(Character c, TrieNode node){
            subNodes.put(c, node);
        }

        // 獲取子節(jié)點(diǎn)
        public TrieNode getSubNode(Character c){
            return subNodes.get(c);
        }
    }
}

上面就是過濾敏感詞工具類的全部代碼，接下來我們來解釋一下開發(fā)步驟

開發(fā)過濾敏感詞組件分為三步：

1.定義前綴樹（Tree）

我們將定義前綴樹寫為SensitiveFilter工具類的內(nèi)部類

// 前綴樹
private class TrieNode{

    // 關(guān)鍵詞結(jié)束標(biāo)識(shí)
    private boolean isKeywordEnd = false;

    // 當(dāng)前節(jié)點(diǎn)的子節(jié)點(diǎn)(key是下級(jí)字符、value是下級(jí)節(jié)點(diǎn))
    private Map<Character, TrieNode> subNodes = new HashMap<>();

    public boolean isKeywordEnd() {
        return isKeywordEnd;
    }

    public void setKeywordEnd(boolean keywordEnd) {
        isKeywordEnd = keywordEnd;
    }

    // 添加子節(jié)點(diǎn)
    public void addSubNode(Character c, TrieNode node){
        subNodes.put(c, node);
    }

    // 獲取子節(jié)點(diǎn)
    public TrieNode getSubNode(Character c){
        return subNodes.get(c);
    }
}

2.根據(jù)敏感詞，初始化前綴樹

將敏感詞添加到前綴樹中

// 將一個(gè)敏感詞添加到前綴樹中
private void addKeyword(String keyword){
    // 首先默認(rèn)指向根
    TrieNode tempNode = rootNode;
    for (int i = 0; i < keyword.length(); i++) {
        char c = keyword.charAt(i);
        TrieNode subNode = tempNode.getSubNode(c);
        if(subNode == null){
            // subNode為空，初始化子節(jié)點(diǎn)；subNode不為空，直接用就可以了
            subNode = new TrieNode();
            tempNode.addSubNode(c, subNode);
        }
        // 指針指向子節(jié)點(diǎn)，進(jìn)入下一輪循環(huán)
        tempNode = subNode;
    }
    // 最后要設(shè)置結(jié)束標(biāo)識(shí)
    tempNode.setKeywordEnd(true);
}

3.編寫過濾敏感詞的方法

如何過濾文本中的敏感詞：

特殊符號(hào)怎么處理：

敏感詞前綴樹初始化完畢之后，過濾文本中的敏感詞的算法應(yīng)該如下：

定義三個(gè)指針：

指針1指向Tree樹
指針2指向待過濾字符串段的頭
指針3指向待過濾字符串段的尾

/**
 * 過濾敏感詞
 * @param text 待過濾的文本
 * @return  過濾后的文本
 */
public String filter(String text){
    if(StringUtils.isBlank(text)){
        // 待過濾的文本為空，直接返回null
        return null;
    }
    // 指針1，指向樹
    TrieNode tempNode = rootNode;
    // 指針2，指向正在檢測(cè)的字符串段的首
    int begin = 0;
    // 指針3，指向正在檢測(cè)的字符串段的尾
    int position = 0;
    // 儲(chǔ)存過濾后的文本
    StringBuilder sb = new StringBuilder();
    while (begin < text.length()){
        char c = text.charAt(position);

        // 跳過符號(hào)，比如 “開票”是敏感詞 #開#票# 這個(gè)字符串中間的 '#' 應(yīng)該跳過
        if(isSymbol(c)){
            // 是特殊字符
            // 若指針1處于根節(jié)點(diǎn)，將此符號(hào)計(jì)入結(jié)果，指針2、3向右走一步
            if(tempNode == rootNode){
                sb.append(c);
                begin++;
            }
            // 無論符號(hào)在開頭或中間，指針3都向下走一步
            position++;
            // 符號(hào)處理完，進(jìn)入下一輪循環(huán)
            continue;
        }
        // 執(zhí)行到這里說明字符不是特殊符號(hào)
        // 檢查下級(jí)節(jié)點(diǎn)
        tempNode = tempNode.getSubNode(c);
        if(tempNode == null){
            // 以begin開頭的字符串不是敏感詞
            sb.append(text.charAt(begin));
            // 進(jìn)入下一個(gè)位置
            position = ++begin;
            // 重新指向根節(jié)點(diǎn)
            tempNode = rootNode;
        } else if(tempNode.isKeywordEnd()){
            // 發(fā)現(xiàn)敏感詞，將begin~position字符串替換掉，存 REPLACEMENT （里面是***）
            sb.append(REPLACEMENT);
            // 進(jìn)入下一個(gè)位置
            begin = ++position;
            // 重新指向根節(jié)點(diǎn)
            tempNode = rootNode;
        } else {
            // 檢查下一個(gè)字符
            position++;
        }
    }
    return sb.toString();
}

// 判斷是否為特殊符號(hào)，是則返回true，不是則返回false
private boolean isSymbol(Character c){
    // CharUtils.isAsciiAlphanumeric(c)方法：a、b、1、2···返回true，特殊字符返回false
    // 0x2E80  ~  0x9FFF 是東亞的文字范圍，東亞文字范圍我們不認(rèn)為是符號(hào)
    return  !CharUtils.isAsciiAlphanumeric(c) && (c < 0x2E80 || c > 0x9FFF);
}