SpringBoot使用前缀树过滤敏感词的方法是什么

2023-06-26 06:06:15 256人浏览八月长安

摘要

这篇文章跟大家分析一下“SpringBoot使用前缀树过滤敏感词的方法是什么”。内容详细易懂，对“springBoot使用前缀树过滤敏感词的方法是什么”感兴趣的朋友可以跟着小编的思路慢慢深入来阅读一下，希望阅读后能够对大家有所帮助。下面跟着

这篇文章跟大家分析一下“SpringBoot使用前缀树过滤敏感词的方法是什么”。内容详细易懂，对“springBoot使用前缀树过滤敏感词的方法是什么”感兴趣的朋友可以跟着小编的思路慢慢深入来阅读一下，希望阅读后能够对大家有所帮助。下面跟着小编一起深入学习“SpringBoot使用前缀树过滤敏感词的方法是什么”的知识吧。

一、前缀树

一般设计网站的时候，会有问题发布或者是内容发布的功能，这些功能的有一个很重要的点在于如何实现敏感词过滤，要不然可能会有不良信息的发布，或者发布的内容中有夹杂可能会有恶意功能的代码片段，敏感词过滤的基本的算法是前缀树算法，前缀树也就是字典树，通过前缀树匹配可以加快敏感词匹配的速度。

前缀树又称为Trie、字典树、查找树。主要特点是：查找效率高，但内存消耗大；主要应用于字符串检索、词频统计、字符串排序等。

到底什么是前缀树？前缀树的功能是如何实现的？

举一个具体的例子：若有一个字符串"xwabfabcff"，敏感词为"abc"、"bf"、"be"，检测字符串，若有敏感词，则将敏感词替换为"*"，实现一个算法。

前缀树的特点：

1. 跟结点为空结点，没有任何字符。

2. 除了根节点以外，每个结点只有一个字符。

3. 每个结点包含的子节点不相同。例如，root的子节点本来有两个b，但我们只保留一个

4. 在每个敏感词的末尾结点做一个标记，表示从根节点到此节点组合成的字符串是一个敏感词，中间未被标记的结点和根节点中间的字符串不构成一个敏感词。

SpringBoot使用前缀树过滤敏感词的方法是什么

前缀树的算法逻辑：

1. 准备：我们需要三个指针，①指针指向前缀树，默认指向根节点； ②、③指针指向要检测的字符串(同向尺距法，②从头到尾走一遍，标记敏感词的开头，③随着②而动，标记敏感词的结尾)，默认指向字符串的第一个字符。我们还需要一个存放检测结果的字符串(StringBuilder)。

2. ①访问树的第一层，发现没有'x'，则②、③向下走一步，并将'x'存入StringBuilder字符串里。'w' 同理。

SpringBoot使用前缀树过滤敏感词的方法是什么

3. 此时②、③指向'a'，①访问树的第一层，发现有'a'，但'a'未被标记，所以不是敏感词，则把'a'存入StringBuilder字符串。然后②不动，①、③继续向下走，直至走到被标记的结点或者不匹配时，①归位，②向下走一步，③回到此时②指向的地方。重复以上步骤。

4. 若检测到敏感词，则在StringBuilder中存储"***"，并使②跳过此敏感词，②、③共同指向原来③的下一个位置。

SpringBoot使用前缀树过滤敏感词的方法是什么

5. ②、③走到字符串的末尾时，检测完成。最终结果为"xwa******ff"。

二、敏感词过滤器

我们再开发项目时，需要开发出一个可复用的过滤敏感词的工具，成为敏感词过滤器，以便在项目中可以复用。

开发敏感词过滤器主要有以下三个步骤：

定义前缀树

根据敏感词，初始化前缀树

编写过滤敏感词的方法

代码实现如下：

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; @Componentpublic class SensitiveFilter {     // 记录日志    private static final Logger logger = LoggerFactory.getLogger(SensitiveFilter.class);     // 替换符    private static final String REPLACEMENT = "***";     // 初始化根节点    private Trienode rootNode = new TrieNode();         @PostConstruct// 当容器在服务器启动时实例化此Bean，调用Bean的构造方法后，该方法就会被自动调用    public void init() {        try (                // 加载敏感词文件 sensitive-Words.txt是自建的存放敏感词的文件                InputStream is = this.getClass().getClassLoader().getResourceAsStream("sensitive-words.txt");                // 字节流 -->  字符流 --> 字符缓冲流                BufferedReader reader = new BufferedReader(new InputStreamReader(is));        ) {            String keyword;            while((keyword = reader.readLine()) != null){                // 添加到前缀树，addKeyword为自定义的方法，将一个敏感词添加到前缀树中去                this.addKeyword(keyword);            }         } catch (IOException e) {            logger.error("加载敏感词文件失败:" + e.getMessage());        }     }     // 封装方法：将一个敏感词添加到前缀树中去    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){                // 如果子节点中没有该字符，则以此字符初始化子节点，并装配到树中                subNode = new TrieNode();                tempNode.addSubNode(c,subNode);            }             // 指向字节点，进入下一层循环            tempNode = subNode;             // 设置结束标识            if(i == keyword.length() -1){                tempNode.seTKEywordEnd(true);            }        }    }         public String filter(String text){        if(StringUtils.isBlank(text)){            return null;        }         // 指针①        TrieNode tempNode = rootNode;        // 指针②        int begin = 0;        // 指针③        int position = 0;        // 存放结果        StringBuilder sb = new StringBuilder();         while(position < text.length()){            char c = text.charAt(position);             // 跳过符号            if(isSymbol(c)){                // 若指针①处于根节点，将此符号计入结果，让指针②向下走一步                if(tempNode == rootNode){                    sb.append(c);                    begin++;                }                // 无论符号在未检测时出现还是正在检测时出现，指针③总是向下走一步                // （未检测时和指针②一起向下走一步，检测时指针②不动，指针③向下走一步）                position++;                continue;            }             // 检查下级节点            tempNode = tempNode.getSubNode(c);            if(tempNode == null){                // 以begin开头的字符串不是敏感词                sb.append(text.charAt(begin));                // 进入下一个位置                begin++;                position = begin;                // 指针①归位，重新指向根节点                tempNode = rootNode;            }else if (tempNode.isKeywordEnd()){                // 发现敏感词，将begin~position字符串替换掉                sb.append(REPLACEMENT);                // 进入下一个位置                position++;                begin = position;                // 指针①归位，重新指向跟接待你                tempNode = rootNode;            }else {                // 检查下一个字符                position++;            }        }        // 将最后一批字符计入结果：指针③比指针②先到中终点，且两者之间的字符串不是敏感词        sb.append(text.substring(begin));         return sb.toString();    }     // 封装方法：判断是否为特殊符号    private boolean isSymbol(Character c){        // 0x2E80~0x9FFF 是东亚文字范围，不予当作特殊符号看待        return !CharUtils.isAsciiAlphanumeric(c) && (c < 0x2E80 || c > 0x9FFF);    }         private class TrieNode {         // 敏感词（关键词）结束标识        private boolean isKeywordEnd = false;         // 子节点（key是下级字符，value是下级节点）        private Map<Character, TrieNode> subNodes = new HashMap<>();         public boolean isKeywordEnd() {            return isKeywordEnd;        }         public void setKeywordEnd(boolean keywordEnd) {            isKeywordEnd = keywordEnd;        }         // 添加子节点        public void addSubNode(Character c, TrieNode node) {            subNodes.put(c, node);        }         // 获取子节点        public TrieNode getSubNode(Character c) {            return subNodes.get(c);        }    } }