Go?語言前綴樹實現(xiàn)敏感詞檢測
一、前言
大家都知道游戲文字、文章等一些風控場景都實現(xiàn)了敏感詞檢測，一些敏感詞會被屏蔽掉或者文章無法發(fā)布。今天我就分享用Go實現(xiàn)敏感詞前綴樹來達到文本的敏感詞檢測，讓我們一探究竟！
二、敏感詞檢測
實現(xiàn)敏感詞檢測都很多種方法，例如暴力、正則、前綴樹等。例如一個游戲的文字交流的場景，敏感詞會被和諧成 * ，該如何實現(xiàn)呢？首先我們先準備一些敏感詞如下：
sensitiveWords := []string{
"傻逼",
"傻叉",
"垃圾",
"媽的",
"sb",
}
由于文章審核原因敏感詞就換成別的了，大家能理解意思就行。
當在游戲中輸入 什么垃圾打野，傻逼一樣，叫你來開龍不來，sb， 該如何檢測其中的敏感詞并和諧掉
暴力匹配
sensitiveWords := []string{
"傻逼",
"傻叉",
"垃圾",
"媽的",
"sb",
}
text := "什么垃圾打野，傻逼一樣，叫你來開龍不來，sb"
for _, word := range sensitiveWords {
text = strings.Replace(text, word, "*", -1)
}
println("text -> ", text)
這樣采用的Go的內(nèi)置的字符串替換的方法來進行暴力替換結(jié)果如下：
text -> 什么*打野，*一樣，叫你來開龍不來，*
但暴力替換的時間復雜度太高了O（N^2），不建議這樣，而且和諧的字符只有一個 *，感覺像屏蔽了一個字一樣，因此改造一下并引出go中的 rune 類型。
sensitiveWords := []string{
"傻逼",
"傻叉",
"垃圾",
"媽的",
"sb",
}
text := "什么垃&圾打野，傻&逼一樣，叫你來開龍不來，s&b"
for _, word := range sensitiveWords {
replaceChar := ""
for i, wordLen := 0, len(word); i < wordLen; i++ {
// 根據(jù)敏感詞的長度構(gòu)造和諧字符
replaceChar += "*"
}
text = strings.Replace(text, word, replaceChar, -1)
}
println("text -> ", text)
>>>out
text -> 什么******打野，******一樣，叫你來開龍不來，**
為什么中文的和諧字符多了這么？*
因為Go中默認采用utf-8來進行中文字符編碼，因此一個中文字符要占3個字節(jié)
因此引出 Go 中的 rune 類型，它可以代表一個字符編碼的int32的表現(xiàn)形式，就是說一個字符用一個數(shù)字唯一標識。有點像 ASCII 碼一樣 a => 97， A => 65
源碼解釋如下
// rune is an alias for int32 and is equivalent to int32 in all ways. It is used, by convention, to distinguish character values from integer values.
type rune = int32
因此將敏感詞字符串轉(zhuǎn)換成rune類型的數(shù)組然后來計算其字符個數(shù)
sensitiveWords := []string{
"傻逼",
"傻叉",
"垃圾",
"媽的",
"sb",
}
text := "什么垃圾打野，傻逼一樣，叫你來開龍不來，sb"
for _, word := range sensitiveWords {
replaceChar := ""
for i, wordLen := 0, len([]rune(word)); i < wordLen; i++ {
// 根據(jù)敏感詞的長度構(gòu)造和諧字符
replaceChar += "*"
}
text = strings.Replace(text, word, replaceChar, -1)
}
println("text -> ", text)
>>>out
text -> 什么**打野，**一樣，叫你來開龍不來，**
正則匹配
// 正則匹配
func regDemo() {
sensitiveWords := []string{
"傻逼",
"傻叉",
"垃圾",
"媽的",
"sb",
}
text := "什么垃圾打野，傻逼一樣，叫你來開龍不來，sb"
// 構(gòu)造正則匹配字符
regStr := strings.Join(sensitiveWords, "|")
println("regStr -> ", regStr)
wordReg := regexp.MustCompile(regStr)
text = wordReg.ReplaceAllString(text, "*")
println("text -> ", text)
}
>>>out
regStr -> 傻逼|傻叉|垃圾|媽的|sb
text -> 什么*打野，*一樣，叫你來開龍不來，*
再優(yōu)化下：
// 正則匹配敏感詞
func regDemo(sensitiveWords []string, matchContents []string) {
banWords := make([]string, 0) // 收集匹配到的敏感詞
// 構(gòu)造正則匹配字符
regStr := strings.Join(sensitiveWords, "|")
wordReg := regexp.MustCompile(regStr)
println("regStr -> ", regStr)
for _, text := range matchContents {
textBytes := wordReg.ReplaceAllFunc([]byte(text), func(bytes []byte) []byte {
banWords = append(banWords, string(bytes))
textRunes := []rune(string(bytes))
replaceBytes := make([]byte, 0)
for i, runeLen := 0, len(textRunes); i < runeLen; i++ {
replaceBytes = append(replaceBytes, byte('*'))
}
return replaceBytes
})
fmt.Println("srcText -> ", text)
fmt.Println("replaceText -> ", string(textBytes))
fmt.Println("sensitiveWords -> ", banWords)
}
}
func main() {
sensitiveWords := []string{
"傻逼",
"傻叉",
"垃圾",
"媽的",
"sb",
}
matchContents := []string{
"什么垃圾打野，傻逼一樣，叫你來開龍不來，sb",
}
regDemo(sensitiveWords, matchContents)
}
>>>out
regStr -> 傻逼|傻叉|垃圾|媽的|sb
srcText -> 什么垃圾打野，傻逼一樣，叫你來開龍不來，sb
replaceText -> 什么**打野，**一樣，叫你來開龍不來，**
sensitiveWords -> [垃圾 傻逼 sb]
這里是通過敏感詞去構(gòu)造正則表達式然后再去匹配。
本文重點是使用Go實現(xiàn)前綴樹完成敏感詞的匹配，具體細節(jié)都在這里實現(xiàn)。
三、Go 語言實現(xiàn)敏感詞前綴樹
前綴樹結(jié)構(gòu)
前綴樹、也稱字典樹（Trie），是N叉樹的一種特殊形式，前綴樹的每一個節(jié)點代表一個字符串（前綴）。每一個節(jié)點會有多個子節(jié)點，通往不同子節(jié)點的路徑上有著不同的字符。子節(jié)點代表的字符串是由節(jié)點本身的原始字符串，以及通往該子節(jié)點路徑上所有的字符組成的。
如上圖所示，就是一顆前綴樹，注意前綴樹的根節(jié)點不存數(shù)據(jù)。那么我們該如何表示一顆前綴樹呢？
可以參考一下二叉樹的節(jié)點結(jié)構(gòu)
type BinTreeNode struct {
Val string
LeftChild *BinTreeNode
RightChild *BinTreeNode
}
二叉樹，一個節(jié)點最多只能有兩個孩子節(jié)點，非常明確，而前綴是一顆多叉樹，一個節(jié)點不確定有多少子節(jié)點，因此可以用 切片Slice、Map 來存儲子節(jié)點，然后一般會設(shè)置標志位 End 來標識是否是字符串的最后一個節(jié)點。結(jié)構(gòu)如下
// TrieNode 敏感詞前綴樹節(jié)點
type TrieNode struct {
childMap map[rune]*TrieNode // 本節(jié)點下的所有子節(jié)點
Data string // 在最后一個節(jié)點保存完整的一個內(nèi)容
End bool // 標識是否最后一個節(jié)點
}
這里采用 Map 來存儲子節(jié)點，更方便找字節(jié)點。key是rune類型（字符），value是子節(jié)點。Data則是在最后一個節(jié)點保存完整的一個內(nèi)容。
// SensitiveTrie 敏感詞前綴樹
type SensitiveTrie struct {
replaceChar rune // 敏感詞替換的字符
root *TrieNode
}
這里再用另一個結(jié)構(gòu)體來代表整個敏感詞前綴樹。
添加敏感詞
添加敏感詞用于構(gòu)造一顆敏感詞前綴樹。
相對每個節(jié)點來說 childMap 都是保存相同前綴字符的子節(jié)點
// AddChild 前綴樹添加
func (tn *TrieNode) AddChild(c rune) *TrieNode {
if tn.childMap == nil {
tn.childMap = make(map[rune]*TrieNode)
}
if trieNode, ok := tn.childMap[c]; ok {
// 存在不添加了
return trieNode
} else {
// 不存在
tn.childMap[c] = &TrieNode{
childMap: nil,
End: false,
}
return tn.childMap[c]
}
}
敏感詞前綴樹則是一個完整的敏感詞的粒度來添加
// AddWord 添加敏感詞
func (st *SensitiveTrie) AddWord(sensitiveWord string) {
// 將敏感詞轉(zhuǎn)換成rune類型(int32)
tireNode := st.root
sensitiveChars := []rune(sensitiveWord)
for _, charInt := range sensitiveChars {
// 添加敏感詞到前綴樹中
tireNode = tireNode.AddChild(charInt)
}
tireNode.End = true
tireNode.Data = sensitiveWord
}
具體是把敏感詞轉(zhuǎn)換成 []rune 類型來代表敏感詞中的一個個字符，添加完后再將最后一個字符節(jié)點的End設(shè)置True，Data為完整的敏感詞數(shù)據(jù)。
可能這樣還不好理解，舉個例子：
// SensitiveTrie 敏感詞前綴樹
type SensitiveTrie struct {
replaceChar rune // 敏感詞替換的字符
root *TrieNode
}
// TrieNode 敏感詞前綴樹節(jié)點
type TrieNode struct {
childMap map[rune]*TrieNode // 本節(jié)點下的所有子節(jié)點
Data string // 在最后一個節(jié)點保存完整的一個內(nèi)容
End bool // 標識是否最后一個節(jié)點
}
// NewSensitiveTrie 構(gòu)造敏感詞前綴樹實例
func NewSensitiveTrie() *SensitiveTrie {
return &SensitiveTrie{
replaceChar: '*',
root: &TrieNode{End: false},
}
}
// AddWord 添加敏感詞
func (st *SensitiveTrie) AddWord(sensitiveWord string) {
// 將敏感詞轉(zhuǎn)換成utf-8編碼后的rune類型(int32)
tireNode := st.root
sensitiveChars := []rune(sensitiveWord)
for _, charInt := range sensitiveChars {
// 添加敏感詞到前綴樹中
tireNode = tireNode.AddChild(charInt)
}
tireNode.End = true
tireNode.Data = sensitiveWord
}
// AddChild 前綴樹添加子節(jié)點
func (tn *TrieNode) AddChild(c rune) *TrieNode {
if tn.childMap == nil {
tn.childMap = make(map[rune]*TrieNode)
}
if trieNode, ok := tn.childMap[c]; ok {
// 存在不添加了
return trieNode
} else {
// 不存在
tn.childMap[c] = &TrieNode{
childMap: nil,
End: false,
}
return tn.childMap[c]
}
}
func main() {
sensitiveWords := []string{
"傻逼",
"傻叉",
"垃圾",
}
st := NewSensitiveTrie()
for _, word := range sensitiveWords {
fmt.Println(word, []rune(word))
st.AddWord(word)
}
}
>>>out
傻逼 [20667 36924]
傻叉 [20667 21449]
垃圾 [22403 22334]
添加前兩個敏感詞傻逼、傻叉，有一個共同的前綴 傻、rune-> 200667
- 前綴的root是沒有孩子節(jié)點，添加第一個敏感詞時先轉(zhuǎn)換成 []rune（可以想象成字符數(shù)組）
- 遍歷rune字符數(shù)組，先判斷有沒有孩子節(jié)點（一開始root是沒有的），沒有就先構(gòu)造，然后把 傻（200667） 存到 childMap中 key 為 傻(200667)，value 為 TrieNode 但沒有任何數(shù)據(jù)然后返回當前新增的節(jié)點
TrieNode{
childMap: nil
End: false,
}
- 此時添加 逼（36924） ，同樣做2的步驟，傻逼這個敏感詞添加完成走出for循環(huán)，然后將End=true、Data=傻逼。
- 添加第二個敏感詞傻叉的時候又是從根節(jié)點開始，此時root有childMap，也存在傻（20667）節(jié)點，則是直接不添加把傻（20667）節(jié)點返回，然后再此節(jié)點上繼續(xù)添加 叉（21449），不存在添加到傻節(jié)點的childMap中。
- 添加第三個敏感詞垃 圾，又從根節(jié)點開始，垃（22403） ，根節(jié)點不存在該子節(jié)點，故添加到根節(jié)點的childMap中，然后返回新增的 垃（22403）節(jié)點
- 在垃節(jié)點基礎(chǔ)上添加 圾（22334） 節(jié)點，不存在子節(jié)點則添加并返回。
由此一顆敏感詞前綴樹就構(gòu)造出來了。
總結(jié)：添加敏感詞字符節(jié)點存在不添加返回存在的節(jié)點，不存在添加新字符節(jié)點并返回新添節(jié)點，當敏感詞的所有字符都添加完畢后，讓最后一個節(jié)點，End=true，存儲一個完整的敏感詞。
匹配敏感詞
將待匹配的內(nèi)容轉(zhuǎn)換成 []rune 類型，然后遍歷尋找前綴樹種第一個匹對的前綴節(jié)點，然后從后一個位置繼續(xù)，直到完整匹配到了敏感詞，將匹配文本的敏感詞替換成 *
// FindChild 前綴樹尋找字節(jié)點
func (tn *TrieNode) FindChild(c rune) *TrieNode {
if tn.childMap == nil {
return nil
}
if trieNode, ok := tn.childMap[c]; ok {
return trieNode
}
return nil
}
// replaceRune 字符替換
func (st *SensitiveTrie) replaceRune(chars []rune, begin int, end int) {
for i := begin; i < end; i++ {
chars[i] = st.replaceChar
}
}
// Match 查找替換發(fā)現(xiàn)的敏感詞
func (st *SensitiveTrie) Match(text string) (sensitiveWords []string, replaceText string) {
if st.root == nil {
return nil, text
}
textChars := []rune(text)
textCharsCopy := make([]rune, len(textChars))
copy(textCharsCopy, textChars)
for i, textLen := 0, len(textChars); i < textLen; i++ {
trieNode := st.root.FindChild(textChars[i])
if trieNode == nil {
continue
}
// 匹配到了敏感詞的前綴，從后一個位置繼續(xù)
j := i + 1
for ; j < textLen && trieNode != nil; j++ {
if trieNode.End {
// 完整匹配到了敏感詞，將匹配的文本的敏感詞替換成 *
st.replaceRune(textCharsCopy, i, j)
}
trieNode = trieNode.FindChild(textChars[j])
}
// 文本尾部命中敏感詞情況
if j == textLen && trieNode != nil && trieNode.End {
if _, ok := sensitiveMap[trieNode.Data]; !ok {
sensitiveWords = append(sensitiveWords, trieNode.Data)
}
sensitiveMap[trieNode.Data] = nil
st.replaceRune(textCharsCopy, i, textLen)
}
}
if len(sensitiveWords) > 0 {
// 有敏感詞
replaceText = string(textCharsCopy)
} else {
// 沒有則返回原來的文本
replaceText = text
}
return sensitiveWords, replaceText
}
這樣需要注意的是在內(nèi)容的末尾匹配到了的敏感詞處理，因為j+1后，會等于textLen的從而不進入for循環(huán)從而沒有處理末尾，因此需要特殊處理下末尾情況。具體測試如下
// AddWords 批量添加敏感詞
func (st *SensitiveTrie) AddWords(sensitiveWords []string) {
for _, sensitiveWord := range sensitiveWords {
st.AddWord(sensitiveWord)
}
}
// 前綴樹匹配敏感詞
func trieDemo(sensitiveWords []string, matchContents []string) {
trie := NewSensitiveTrie()
trie.AddWords(sensitiveWords)
for _, srcText := range matchContents {
matchSensitiveWords, replaceText := trie.Match(srcText)
fmt.Println("srcText -> ", srcText)
fmt.Println("replaceText -> ", replaceText)
fmt.Println("sensitiveWords -> ", matchSensitiveWords)
fmt.Println()
}
// 動態(tài)添加
trie.AddWord("牛大大")
content := "今天，牛大大去挑戰(zhàn)灰大大了"
matchSensitiveWords, replaceText := trie.Match(content)
fmt.Println("srcText -> ", content)
fmt.Println("replaceText -> ", replaceText)
fmt.Println("sensitiveWords -> ", matchSensitiveWords)
}
func main() {
sensitiveWords := []string{
"傻逼",
"傻叉",
"垃圾",
"媽的",
"sb",
}
matchContents := []string{
"你是一個大傻逼，大傻叉",
"你是傻?叉",
"shabi東西",
"他made東西",
"什么垃圾打野，傻逼一樣，叫你來開龍不來，SB",
"正常的內(nèi)容?",
}
//fmt.Println("--------- 普通暴力匹配敏感詞 ---------")
//normalDemo(sensitiveWords, matchContents)
//
//fmt.Println("\n--------- 正則匹配敏感詞 ---------")
//regDemo(sensitiveWords, matchContents)
fmt.Println("\n--------- 前綴樹匹配敏感詞 ---------")
trieDemo(sensitiveWords, matchContents)
}
結(jié)果如下：
--------- 前綴樹匹配敏感詞 ---------
srcText -> 你是一個大傻&逼，大傻 叉
replaceText -> 你是一個大傻&逼，大傻 叉
sensitiveWords -> []
srcText -> 你是傻?叉
replaceText -> 你是傻?叉
sensitiveWords -> []
srcText -> shabi東西
replaceText -> shabi東西
sensitiveWords -> []
srcText -> 他made東西
replaceText -> 他made東西
sensitiveWords -> []
srcText -> 什么垃 圾打野，傻 逼一樣，叫你來開龍不來，傻 逼東西，S B
replaceText -> 什么**打野，**一樣，叫你來開龍不來，**
sensitiveWords -> [垃圾 傻逼]
srcText -> 正常的內(nèi)容?
replaceText -> 正常的內(nèi)容?
sensitiveWords -> []
過濾特殊字符
可以發(fā)現(xiàn)在敏感詞內(nèi)容的中間添加一些空格、字符、表情都不能正確的在前綴樹中匹配到。因此我們在進行匹配的時候應該過濾一些特殊的字符，只保留漢字、數(shù)字、字母，然后全部以小寫來進行匹配。
// FilterSpecialChar 過濾特殊字符
func (st *SensitiveTrie) FilterSpecialChar(text string) string {
text = strings.ToLower(text)
text = strings.Replace(text, " ", "", -1) // 去除空格
// 過濾除中英文及數(shù)字以外的其他字符
otherCharReg := regexp.MustCompile("[^\u4e00-\u9fa5a-zA-Z0-9]")
text = otherCharReg.ReplaceAllString(text, "")
return text
}
感覺這里去除空格是多余的步驟，正則以已經(jīng)幫你排除了。
- \u4e00-\u9fa5a 代表所有的中文
- a-zA-Z 代表大小寫字母
- 0-9 數(shù)字
- 連起來在最前面加上一個 ^ 就是進行一個取反
添加拼音檢測
最后就是添加中文的拼音檢測，讓輸入的拼音也能正確的匹配到，拼音檢測是把我們的敏感詞轉(zhuǎn)換成拼音然后添加到前綴樹中。
實現(xiàn)中文轉(zhuǎn)拼音可以用別人造好的輪子
go get github.com/chain-zhang/pinyin
查看源碼整體的思路就是用文件把文字的rune和拼音對應上，具體細節(jié)自行查看
測試一下
// HansCovertPinyin 中文漢字轉(zhuǎn)拼音
func HansCovertPinyin(contents []string) []string {
pinyinContents := make([]string, 0)
for _, content := range contents {
chineseReg := regexp.MustCompile("[\u4e00-\u9fa5]")
if !chineseReg.Match([]byte(content)) {
continue
}
// 只有中文才轉(zhuǎn)
pin := pinyin.New(content)
pinStr, err := pin.Convert()
println(content, "->", pinStr)
if err == nil {
pinyinContents = append(pinyinContents, pinStr)
}
}
return pinyinContents
}
func main() {
sensitiveWords := []string{
"傻逼",
"傻叉",
"垃圾",
"媽的",
"sb",
}
// 漢字轉(zhuǎn)拼音
pinyinContents := HansCovertPinyin(sensitiveWords)
fmt.Println(pinyinContents)
}
>>>out
傻逼 -> sha bi
傻叉 -> sha cha
垃圾 -> la ji
媽的 -> ma de
[sha bi sha cha la ji ma de]
然后再測試敏感詞匹配的效果
// Match 查找替換發(fā)現(xiàn)的敏感詞
func (st *SensitiveTrie) Match(text string) (sensitiveWords []string, replaceText string) {
if st.root == nil {
return nil, text
}
// 過濾特殊字符
filteredText := st.FilterSpecialChar(text)
sensitiveMap := make(map[string]*struct{}) // 利用map把相同的敏感詞去重
textChars := []rune(filteredText)
textCharsCopy := make([]rune, len(textChars))
copy(textCharsCopy, textChars)
for i, textLen := 0, len(textChars); i < textLen; i++ {
...
}
if len(sensitiveWords) > 0 {
// 有敏感詞
replaceText = string(textCharsCopy)
} else {
// 沒有則返回原來的文本
replaceText = text
}
return sensitiveWords, replaceText
}
// 前綴樹匹配敏感詞
func trieDemo(sensitiveWords []string, matchContents []string) {
// 漢字轉(zhuǎn)拼音
pinyinContents := HansCovertPinyin(sensitiveWords)
fmt.Println(pinyinContents)
trie := NewSensitiveTrie()
trie.AddWords(sensitiveWords)
trie.AddWords(pinyinContents) // 添加拼音敏感詞
for _, srcText := range matchContents {
matchSensitiveWords, replaceText := trie.Match(srcText)
fmt.Println("srcText -> ", srcText)
fmt.Println("replaceText -> ", replaceText)
fmt.Println("sensitiveWords -> ", matchSensitiveWords)
fmt.Println()
}
// 動態(tài)添加
trie.AddWord("牛大大")
content := "今天，牛大大去挑戰(zhàn)灰大大了"
matchSensitiveWords, replaceText := trie.Match(content)
fmt.Println("srcText -> ", content)
fmt.Println("replaceText -> ", replaceText)
fmt.Println("sensitiveWords -> ", matchSensitiveWords)
}
func main() {
sensitiveWords := []string{
"傻逼",
"傻叉",
"垃圾",
"媽的",
"sb",
}
matchContents := []string{
"你是一個大傻逼，大傻叉",
"你是傻?叉",
"shabi東西",
"他made東西",
"什么垃 圾打野，傻逼一樣，叫你來開龍不來，SB",
"正常的內(nèi)容?",
}
fmt.Println("\n--------- 前綴樹匹配敏感詞 ---------")
trieDemo(sensitiveWords, matchContents)
}
結(jié)果如下：
--------- 前綴樹匹配敏感詞 ---------
srcText -> 你是一個大傻逼，大傻叉
replaceText -> 你是一個大**大**
sensitiveWords -> [傻逼 傻叉]
srcText -> 你是傻?叉
replaceText -> 你是**
sensitiveWords -> [傻叉]
srcText -> shabi東西
replaceText -> *****東西
sensitiveWords -> [shabi]
srcText -> 他made東西
replaceText -> 他****東西
sensitiveWords -> [made]
srcText -> 什么垃圾打野，傻逼一樣，叫你來開龍不來，SB
replaceText -> 什么**打野**一樣叫你來開龍不來**
sensitiveWords -> [垃圾 傻逼 sb]
srcText -> 正常的內(nèi)容?
replaceText -> 正常的內(nèi)容?
sensitiveWords -> []
srcText -> 今天，牛大大挑戰(zhàn)灰大大
replaceText -> 今天***挑戰(zhàn)灰大大
sensitiveWords -> [牛大大]
整體效果還是挺不錯的，但是一些諧音或者全部英文句子時有空格還是不能去除空格不然可能會存在誤判還是不能檢測出，要想充分的進行敏感詞檢測，首先要有完善的敏感詞庫，其次就是特殊情況特殊處理，最后就是先進行敏感詞匹配然后再進行自然語言處理NLP完善，訓練風控模型等檢測效果才更只能。
四、源代碼
敏感詞前綴樹匹配：gitee.com/huiDBK/sens…
以上就是Go 語言前綴樹實現(xiàn)敏感詞檢測的詳細內(nèi)容，更多關(guān)于Go前綴樹敏感詞檢測的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
JSON的全稱是Javascript?Object?Notation,是一種數(shù)據(jù)結(jié)構(gòu)化交互的標準協(xié)議,這篇文章主要是來和大家介紹一下Go語言中JSON的相關(guān)操作,需要的可以參考下2023-08-08
在go語言中，select語句就是用來監(jiān)聽和channel有關(guān)的IO操作，當IO操作發(fā)生時，觸發(fā)相應的case操作，有了select語句，可以實現(xiàn)main主線程與goroutine線程之間的互動。本文就來詳細講講select的實現(xiàn)原理，需要的可以參考一下2022-08-08
解決Golang小數(shù)float64在實際工程中加減乘除的精度問題
這篇文章主要介紹了解決Golang小數(shù)float64在實際工程中加減乘除的精度問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03
Golang try catch與錯誤處理的實現(xiàn)
社區(qū)不少人在談論 golang 為毛不用try/catch模式，而采用苛刻的recovery、panic、defer組合，本文就來詳細的介紹一下，感興趣的可以了解一下2021-07-07
Go語言模擬while語句實現(xiàn)無限循環(huán)的方法
這篇文章主要介紹了Go語言模擬while語句實現(xiàn)無限循環(huán)的方法,實例分析了for語句模擬while語句的技巧,具有一定參考借鑒價值,需要的朋友可以參考下2015-02-02
golang實現(xiàn)單點登錄系統(tǒng)（go-sso）
這篇文章主要介紹了golang實現(xiàn)單點登錄系統(tǒng)（go-sso）,本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2020-06-06
本文給大家分享的是一則使用golang實現(xiàn)文件上傳的代碼，主要是使用os.Create創(chuàng)建文件，io.Copy來保存文件，思路非常清晰，這里推薦給大家，有需要的小伙伴參考下吧。2015-03-03
GORM是Go語言中最受歡迎的ORM庫之一，它提供了強大的功能和簡潔的?API，讓數(shù)據(jù)庫操作變得更加簡單和易維護，本文將詳細介紹GORM的常見用法，包括數(shù)據(jù)庫連接、模型定義、CRUD、事務管理等方面，幫助大家快速上手使用GORM進行Web后端開發(fā)2023-06-06
對于go語言來說，設(shè)計最精妙的應該是interface了，直白點說interface是一組method的組合。下面這篇文章主要給大家介紹了關(guān)于Go語言中你不知道的Interface的相關(guān)資料，需要的朋友可以參考借鑒，下面來一起看看吧。2018-02-02
切片(Slice)是一個擁有相同類型元素的可變長度的序列,下面這篇文章主要給大家介紹了關(guān)于如何用Go判斷元素是否在切片中的相關(guān)資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2022-06-06