Python實現敏感詞過濾的五種方法

更新時間：2025年04月04日 09:21:57 作者：IT之一小佬

在我們生活中的一些場合經常會有一些不該出現的敏感詞,我們通常會使用*去屏蔽它,一些罵人的敏感詞和一些政治敏感詞都不應該出現在一些公共場合中,這個時候我們就需要一定的手段去屏蔽這些敏感詞,下面我來介紹一些簡單版本的Python敏感詞屏蔽的方法,需要的朋友可以參考下

1、replace替換

replace就是最簡單的字符串替換，當一串字符串中有可能會出現的敏感詞時，我們直接使用相應的replace方法用*替換出敏感詞即可。

缺點：

文本和敏感詞少的時候還可以，多的時候效率就比較差了。

示例代碼：

text = '我是一個來自星星的超人，具有超人本領！'
text = text.replace("超人", '*' * len("超人")).replace("星星", '*' * len("星星"))
print(text)  # 我是一個來自***的***，具有***本領！

運行結果：

如果是多個敏感詞可以用列表進行逐一替換。

示例代碼：

text = '我是一個來自星星的超人，具有超人本領！'
words = ['超人', '星星']
 
for word in words:
    text = text.replace(word, '*' * len(word))
print(text)  # 我是一個來自***的***，具有***本領！

運行效果：

2、正則表達式

使用正則表達式是一種簡單而有效的方法，可以快速地匹配敏感詞并進行過濾。在這里我們主要是使用“|”來進行匹配，“|”的意思是從多個目標字符串中選擇一個進行匹配。

示例代碼：

import re
 
 
def filter_words(text, words):
    pattern = '|'.join(words)
    return re.sub(pattern, '***', text)
 
 
if __name__ == '__main__':
    text = '我是一個來自星星的超人，具有超人本領！'
    words = ['超人', '星星']
    res = filter_words(text, words)
    print(res)  # 我是一個來自***的***，具有***本領！

運行結果：

3、使用ahocorasick第三方庫

ahocorasick庫安裝：

pip install pyahocorasick

示例代碼：

import ahocorasick
 
 
def filter_words(text, words):
    A = ahocorasick.Automaton()
    for index, word in enumerate(words):
        A.add_word(word, (index, word))
    A.make_automaton()
 
    result = []
    for end_index, (insert_order, original_value) in A.iter(text):
        start_index = end_index - len(original_value) + 1
        result.append((start_index, end_index))
 
    for start_index, end_index in result[::-1]:
        text = text[:start_index] + '*' * (end_index - start_index + 1) + text[end_index + 1:]
    return text
 
 
if __name__ == '__main__':
    text = '我是一個來自星星的超人，具有超人本領！'
    words = ['超人', '星星']
    res = filter_words(text, words)
    print(res)  # 我是一個來自***的***，具有***本領！

運行結果：

4、字典樹

使用字典樹是一種高效的方法，可以快速地匹配敏感詞并進行過濾。

示例代碼：

class TreeNode:
    def __init__(self):
        self.children = {}
        self.is_end = False
 
 
class Tree:
    def __init__(self):
        self.root = TreeNode()
 
    def insert(self, word):
        node = self.root
        for char in word:
            if char not in node.children:
                node.children[char] = TreeNode()
            node = node.children[char]
        node.is_end = True
 
    def search(self, word):
        node = self.root
        for char in word:
            if char not in node.children:
                return False
            node = node.children[char]
        return node.is_end
 
 
def filter_words(text, words):
    tree = Tree()
    for word in words:
        tree.insert(word)
 
    result = []
    for i in range(len(text)):
        node = tree.root
        for j in range(i, len(text)):
            if text[j] not in node.children:
                break
            node = node.children[text[j]]
            if node.is_end:
                result.append((i, j))
    for start_index, end_index in result[::-1]:
        text = text[:start_index] + '*' * (end_index - start_index + 1) + text[end_index + 1:]
    return text
 
 
if __name__ == '__main__':
    text = '我是一個來自星星的超人，具有超人本領！'
    words = ['超人', '星星']
    res = filter_words(text, words)
    print(res)  # 我是一個來自***的***，具有***本領！

運行結果：

5、DFA算法

使用DFA算法是一種高效的方法，可以快速地匹配敏感詞并進行過濾。DFA的算法，即Deterministic Finite Automaton算法，翻譯成中文就是確定有窮自動機算法。它的基本思想是基于狀態(tài)轉移來檢索敏感詞，只需要掃描一次待檢測文本，就能對所有敏感詞進行檢測。

示例代碼：

class DFA:
    def __init__(self, words):
        self.words = words
        self.build()
 
    def build(self):
        self.transitions = {}
        self.fails = {}
        self.outputs = {}
        state = 0
        for word in self.words:
            current_state = 0
            for char in word:
                next_state = self.transitions.get((current_state, char), None)
                if next_state is None:
                    state += 1
                    self.transitions[(current_state, char)] = state
                    current_state = state
                else:
                    current_state = next_state
            self.outputs[current_state] = word
        queue = []
        for (start_state, char), next_state in self.transitions.items():
            if start_state == 0:
                queue.append(next_state)
                self.fails[next_state] = 0
        while queue:
            r_state = queue.pop(0)
            for (state, char), next_state in self.transitions.items():
                if state == r_state:
                    queue.append(next_state)
                    fail_state = self.fails[state]
                    while (fail_state, char) not in self.transitions and fail_state != 0:
                        fail_state = self.fails[fail_state]
                    self.fails[next_state] = self.transitions.get((fail_state, char), 0)
                    if self.fails[next_state] in self.outputs:
                        self.outputs[next_state] += ', ' + self.outputs[self.fails[next_state]]
 
    def search(self, text):
        state = 0
        result = []
        for i, char in enumerate(text):
            while (state, char) not in self.transitions and state != 0:
                state = self.fails[state]
            state = self.transitions.get((state, char), 0)
            if state in self.outputs:
                result.append((i - len(self.outputs[state]) + 1, i))
        return result
 
 
def filter_words(text, words):
    dfa = DFA(words)
    result = []
    for start_index, end_index in dfa.search(text):
        result.append((start_index, end_index))
    for start_index, end_index in result[::-1]:
        text = text[:start_index] + '*' * (end_index - start_index + 1) + text[end_index + 1:]
    return text
 
 
if __name__ == '__main__':
    text = '我是一個來自星星的超人，具有超人本領！'
    words = ['超人', '星星']
    res = filter_words(text, words)
    print(res)  # 我是一個來自***的***，具有***本領！

運行結果：