SpringBoot使用前綴樹過濾敏感詞的方法是什么

這篇文章跟大家分析一下“SpringBoot使用前綴樹過濾敏感詞的方法是什么”。內(nèi)容詳細(xì)易懂，對“SpringBoot使用前綴樹過濾敏感詞的方法是什么”感興趣的朋友可以跟著小編的思路慢慢深入來閱讀一下，希望閱讀后能夠?qū)Υ蠹矣兴鶐椭?。下面跟著小編一起深入學(xué)習(xí)“SpringBoot使用前綴樹過濾敏感詞的方法是什么”的知識吧。

一、前綴樹

一般設(shè)計網(wǎng)站的時候，會有問題發(fā)布或者是內(nèi)容發(fā)布的功能，這些功能的有一個很重要的點(diǎn)在于如何實(shí)現(xiàn)敏感詞過濾，要不然可能會有不良信息的發(fā)布，或者發(fā)布的內(nèi)容中有夾雜可能會有惡意功能的代碼片段，敏感詞過濾的基本的算法是前綴樹算法，前綴樹也就是字典樹，通過前綴樹匹配可以加快敏感詞匹配的速度。

前綴樹又稱為Trie、字典樹、查找樹。主要特點(diǎn)是：查找效率高，但內(nèi)存消耗大；主要應(yīng)用于字符串檢索、詞頻統(tǒng)計、字符串排序等。

到底什么是前綴樹？前綴樹的功能是如何實(shí)現(xiàn)的？

舉一個具體的例子：若有一個字符串"xwabfabcff"，敏感詞為"abc"、"bf"、"be"，檢測字符串，若有敏感詞，則將敏感詞替換為"*"，實(shí)現(xiàn)一個算法。

前綴樹的特點(diǎn)：

        1. 跟結(jié)點(diǎn)為空結(jié)點(diǎn)，沒有任何字符。

        2. 除了根節(jié)點(diǎn)以外，每個結(jié)點(diǎn)只有一個字符。

        3. 每個結(jié)點(diǎn)包含的子節(jié)點(diǎn)不相同。 例如，root的子節(jié)點(diǎn)本來有兩個b，但我們只保留一個

        4. 在每個敏感詞的末尾結(jié)點(diǎn)做一個標(biāo)記，表示從根節(jié)點(diǎn)到此節(jié)點(diǎn)組合成的字符串是一個敏感詞，中間未被標(biāo)記的結(jié)點(diǎn)和根節(jié)點(diǎn)中間的字符串不構(gòu)成一個敏感詞。

前綴樹的算法邏輯：

        1. 準(zhǔn)備：我們需要三個指針，①指針指向前綴樹，默認(rèn)指向根節(jié)點(diǎn)； ②、③指針指向要檢測的字符串(同向尺距法，②從頭到尾走一遍，標(biāo)記敏感詞的開頭，③隨著②而動，標(biāo)記敏感詞的結(jié)尾)，默認(rèn)指向字符串的第一個字符。我們還需要一個存放檢測結(jié)果的字符串(StringBuilder)。

        2. ①訪問樹的第一層，發(fā)現(xiàn)沒有'x'，則②、③向下走一步，并將'x'存入StringBuilder字符串里。'w' 同理。

        3. 此時②、③指向'a'，①訪問樹的第一層，發(fā)現(xiàn)有'a'，但'a'未被標(biāo)記，所以不是敏感詞，則把'a'存入StringBuilder字符串。然后②不動，①、③繼續(xù)向下走，直至走到被標(biāo)記的結(jié)點(diǎn)或者不匹配時，①歸位，②向下走一步，③回到此時②指向的地方。重復(fù)以上步驟。

        4. 若檢測到敏感詞，則在StringBuilder中存儲"***"，并使②跳過此敏感詞，②、③共同指向原來③的下一個位置。
        

        5. ②、③走到字符串的末尾時，檢測完成。最終結(jié)果為"xwa******ff"。

二、敏感詞過濾器

我們再開發(fā)項(xiàng)目時，需要開發(fā)出一個可復(fù)用的過濾敏感詞的工具，成為敏感詞過濾器，以便在項(xiàng)目中可以復(fù)用。

開發(fā)敏感詞過濾器主要有以下三個步驟：

1. 定義前綴樹

2. 根據(jù)敏感詞，初始化前綴樹

3. 編寫過濾敏感詞的方法

代碼實(shí)現(xiàn)如下：

import org.apache.commons.lang3.CharUtils;
import org.apache.commons.lang3.StringUtils;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.stereotype.Component;
 
import javax.annotation.PostConstruct;
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.util.HashMap;
import java.util.Map;
 
@Component
public class SensitiveFilter {
 
    // 記錄日志
    private static final Logger logger = LoggerFactory.getLogger(SensitiveFilter.class);
 
    // 替換符
    private static final String REPLACEMENT = "***";
 
    // 初始化根節(jié)點(diǎn)
    private TrieNode rootNode = new TrieNode();
 
    /**
     * 2. 根據(jù)敏感詞，初始化前綴樹
     */
    @PostConstruct// 當(dāng)容器在服務(wù)器啟動時實(shí)例化此Bean，調(diào)用Bean的構(gòu)造方法后，該方法就會被自動調(diào)用
    public void init() {
        try (
                // 加載敏感詞文件 sensitive-words.txt是自建的存放敏感詞的文件
                InputStream is = this.getClass().getClassLoader().getResourceAsStream("sensitive-words.txt");
                // 字節(jié)流 -->  字符流 --> 字符緩沖流
                BufferedReader reader = new BufferedReader(new InputStreamReader(is));
        ) {
            String keyword;
            while((keyword = reader.readLine()) != null){
                // 添加到前綴樹，addKeyword為自定義的方法，將一個敏感詞添加到前綴樹中去
                this.addKeyword(keyword);
            }
 
        } catch (IOException e) {
            logger.error("加載敏感詞文件失敗:" + e.getMessage());
        }
 
    }
 
    // 封裝方法：將一個敏感詞添加到前綴樹中去
    private void addKeyword(String keyword){
        TrieNode tempNode = rootNode;
        for (int i = 0; i < keyword.length(); i++) {
            char c = keyword.charAt(i);
            TrieNode subNode = tempNode.getSubNode(c);
 
            if(subNode == null){
                // 如果子節(jié)點(diǎn)中沒有該字符，則以此字符初始化子節(jié)點(diǎn)，并裝配到樹中
                subNode = new TrieNode();
                tempNode.addSubNode(c,subNode);
            }
 
            // 指向字節(jié)點(diǎn)，進(jìn)入下一層循環(huán)
            tempNode = subNode;
 
            // 設(shè)置結(jié)束標(biāo)識
            if(i == keyword.length() -1){
                tempNode.setKeywordEnd(true);
            }
        }
    }
 
    /**
     * 3. 檢索并過濾敏感詞
     * @param text 待過濾的文本
     * @return 過濾后的文本
     */
    public String filter(String text){
        if(StringUtils.isBlank(text)){
            return null;
        }
 
        // 指針①
        TrieNode tempNode = rootNode;
        // 指針②
        int begin = 0;
        // 指針③
        int position = 0;
        // 存放結(jié)果
        StringBuilder sb = new StringBuilder();
 
        while(position < text.length()){
            char c = text.charAt(position);
 
            // 跳過符號
            if(isSymbol(c)){
                // 若指針①處于根節(jié)點(diǎn)，將此符號計入結(jié)果，讓指針②向下走一步
                if(tempNode == rootNode){
                    sb.append(c);
                    begin++;
                }
                // 無論符號在未檢測時出現(xiàn)還是正在檢測時出現(xiàn)，指針③總是向下走一步
                // （未檢測時和指針②一起向下走一步，檢測時指針②不動，指針③向下走一步）
                position++;
                continue;
            }
 
            // 檢查下級節(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)入下一個位置
                begin++;
                position = begin;
                // 指針①歸位，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
                sb.append(REPLACEMENT);
                // 進(jìn)入下一個位置
                position++;
                begin = position;
                // 指針①歸位，重新指向跟接待你
                tempNode = rootNode;
            }else {
                // 檢查下一個字符
                position++;
            }
        }
        // 將最后一批字符計入結(jié)果：指針③比指針②先到中終點(diǎn)，且兩者之間的字符串不是敏感詞
        sb.append(text.substring(begin));
 
        return sb.toString();
    }
 
    // 封裝方法：判斷是否為特殊符號
    private boolean isSymbol(Character c){
        // 0x2E80~0x9FFF 是東亞文字范圍，不予當(dāng)作特殊符號看待
        return !CharUtils.isAsciiAlphanumeric(c) && (c < 0x2E80 || c > 0x9FFF);
    }
 
    /**
     * 1. 定義前綴樹
     */
    private class TrieNode {
 
        // 敏感詞（關(guān)鍵詞）結(jié)束標(biāo)識
        private boolean isKeywordEnd = false;
 
        // 子節(jié)點(diǎn)（key是下級字符，value是下級節(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);
        }
    }
 
}

springboot是什么

springboot一種全新的編程規(guī)范，其設(shè)計目的是用來簡化新Spring應(yīng)用的初始搭建以及開發(fā)過程，SpringBoot也是一個服務(wù)于框架的框架，服務(wù)范圍是簡化配置文件。

關(guān)于SpringBoot使用前綴樹過濾敏感詞的方法是什么就分享到這里啦，希望上述內(nèi)容能夠讓大家有所提升。如果想要學(xué)習(xí)更多知識，請大家多多留意小編的更新。謝謝大家關(guān)注一下億速云網(wǎng)站！