溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
最近弄了一個用戶發(fā)表評論的功能，用戶上傳了評論，再文章下可以看到自己的評論，但作為社會主義接班人，踐行社會主義核心價值觀，所以給評論敏感詞過濾的功能不可少，在網上找了資料，發(fā)現已經有非常成熟的解決方案。 常用的方案用這么兩種
1.全文搜索，逐個匹配。這種聽起來就不夠高大上，在數據量大的情況下，會有效率問題，文末有比較
2.DFA算法-確定有限狀態(tài)自動機 附上百科鏈接確定有限狀態(tài)自動機
DFA算法介紹
DFA是一種計算模型，數據源是一個有限個集合，通過當前狀態(tài)和事件來確定下一個狀態(tài),即 狀態(tài)+事件=下一狀態(tài)，由此逐步構建一個有向圖，其中的節(jié)點就是狀態(tài)，所以在DFA算法中只有查找和判斷，沒有復雜的計算，從而提高算法效率
參考文章 Java實現敏感詞過濾
實現邏輯
構造數據結構
將敏感詞轉換成樹結構，舉例敏感詞有著這么幾個 ['日本鬼子','日本人','日本男人'] ，那么數據結構如下（圖片引用參考文章）
每個文字是一個節(jié)點，連續(xù)的節(jié)點組成一個詞， 日本人 對應的就是中間的那條鏈，我們可以使用對象或者map來構建樹，這里的栗子采用 map 構建節(jié)點，每個節(jié)點中有個狀態(tài)標識，用來表示當前節(jié)點是不是最后一個，每條鏈路必須要有個終點節(jié)點，先來看下構建節(jié)點的流程圖
判斷邏輯
先從文本的第一個字開始檢查，比如 你我是日本鬼子 ，第一個字 你 ，在樹的第一層找不到這個節(jié)點，那么繼續(xù)找第二個字，到了 日 的時候，第一層節(jié)點找到了，那么接著下一層節(jié)點中查找 本 ，同時判斷這個節(jié)點是不是結尾節(jié)點，若是結尾節(jié)點，則匹配成功了，反之繼續(xù)匹配
代碼實現
####構造數據結構
/**
* @description
* 構造敏感詞map
* @private
* @returns
*/
private makeSensitiveMap(sensitiveWordList) {
// 構造根節(jié)點
const result = new Map();
for (const word of sensitiveWordList) {
let map = result;
for (let i = 0; i < word.length; i++) {
// 依次獲取字
const char = word.charAt(i);
// 判斷是否存在
if (map.get(char)) {
// 獲取下一層節(jié)點
map = map.get(char);
} else {
// 將當前節(jié)點設置為非結尾節(jié)點
if (map.get('laster') === true) {
map.set('laster', false);
}
const item = new Map();
// 新增節(jié)點默認為結尾節(jié)點
item.set('laster', true);
map.set(char, item);
map = map.get(char);
}
}
}
return result;
}
最終map結構如下
查找敏感詞
/**
* @description
* 檢查敏感詞是否存在
* @private
* @param {any} txt
* @param {any} index
* @returns
*/
private checkSensitiveWord(sensitiveMap, txt, index) {
let currentMap = sensitiveMap;
let flag = false;
let wordNum = 0;//記錄過濾
let sensitiveWord = ''; //記錄過濾出來的敏感詞
for (let i = index; i < txt.length; i++) {
const word = txt.charAt(i);
currentMap = currentMap.get(word);
if (currentMap) {
wordNum++;
sensitiveWord += word;
if (currentMap.get('laster') === true) {
// 表示已到詞的結尾
flag = true;
break;
}
} else {
break;
}
}
// 兩字成詞
if (wordNum < 2) {
flag = false;
}
return { flag, sensitiveWord };
}
/**
* @description
* 判斷文本中是否存在敏感詞
* @param {any} txt
* @returns
*/
public filterSensitiveWord(txt, sensitiveMap) {
let matchResult = { flag: false, sensitiveWord: '' };
// 過濾掉除了中文、英文、數字之外的
const txtTrim = txt.replace(/[^\u4e00-\u9fa5\u0030-\u0039\u0061-\u007a\u0041-\u005a]+/g, '');
for (let i = 0; i < txtTrim.length; i++) {
matchResult = checkSensitiveWord(sensitiveMap, txtTrim, i);
if (matchResult.flag) {
console.log(`sensitiveWord:${matchResult.sensitiveWord}`);
break;
}
}
return matchResult;
}
效率
為了看出DFA的效率，我做了個簡單的小測試，測試的文本長度為5095個漢字，敏感詞詞庫中有2000個敏感詞，比較的算法分別為 DFA算法 和 String原生對象提供的 indexOf API做比較
// 簡單的字符串匹配-indexOf
ensitiveWords.forEach((word) => {
if (ss.indexOf(word) !== -1) {
console.log(word)
}
})
分別將兩個算法執(zhí)行100次，得到如下結果
可直觀看出， DFA 的平均耗時是在1ms左右,最大為5ms； indexOf 方式的平均耗時在9ms左右,最大為14ms，所以DFA效率上還是非常明顯有優(yōu)勢的。
總結
以上所述是小編給大家介紹的js實現敏感詞過濾算法及實現邏輯，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對億速云網站的支持！
免責聲明：本站發(fā)布的內容（圖片、視頻和文字）以原創(chuàng)、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
