敏感词过滤Java

import java.util.HashSet; import java.util.Iterator; import java.util.Map; import java.util.Set; /** * @Description: 敏感词过滤 */ public class SensitivewordFilter { @SuppressWarnings("rawtypes") private Map sensitiveWordMap = null; public static int minMatchTYpe = 1; //最小匹配规则 public static int maxMatchType = 2; //最大匹配规则 /** * 构造函数，初始化敏感词库 */ public SensitivewordFilter(){ sensitiveWordMap = new SensitiveWordInit().initKeyWord(); } /** * 判断文字是否包含敏感字符 * @param txt 文字 * @param matchType 匹配规则&nbsp;1：最小匹配规则，2：最大匹配规则 * @return 若包含返回true，否则返回false * @version 1.0 */ public boolean isContaintSensitiveWord(String txt,int matchType){ boolean flag = false; for(int i = 0 ; i < txt.length() ; i++){ int matchFlag = this.CheckSensitiveWord(txt, i, matchType); //判断是否包含敏感字符 if(matchFlag > 0){ //大于0存在，返回true flag = true; } } return flag; } /** * 获取文字中的敏感词 * @param txt 文字 * @param matchType 匹配规则&nbsp;1：最小匹配规则，2：最大匹配规则 * @return * @version 1.0 */ public Set<String> getSensitiveWord(String txt , int matchType){ Set<String> sensitiveWordList = new HashSet<String>(); for(int i = 0 ; i < txt.length() ; i++){ int length = CheckSensitiveWord(txt, i, matchType); //判断是否包含敏感字符 if(length > 0){ //存在,加入list中 sensitiveWordList.add(txt.substring(i, i+length)); i = i + length - 1; //减1的原因，是因为for会自增 } } return sensitiveWordList; } /** * 替换敏感字字符 * @param txt * @param matchType * @param replaceChar 替换字符，默认* * @version 1.0 */ public String replaceSensitiveWord(String txt,int matchType,String replaceChar){ String resultTxt = txt; Set<String> set = getSensitiveWord(txt, matchType); //获取所有的敏感词 Iterator<String> iterator = set.iterator(); String word = null; String replaceString = null; while (iterator.hasNext()) { word = iterator.next(); replaceString = getReplaceChars(replaceChar, word.length()); resultTxt = resultTxt.replaceAll(word, replaceString); } return resultTxt; } /** * 获取替换字符串 * @param replaceChar * @param length * @return * @version 1.0 */ private String getReplaceChars(String replaceChar,int length){ String resultReplace = replaceChar; for(int i = 1 ; i < length ; i++){ resultReplace += replaceChar; } return resultReplace; } /** * 检查文字中是否包含敏感字符，检查规则如下：<br> * @param txt * @param beginIndex * @param matchType * @return，如果存在，则返回敏感词字符的长度，不存在返回0 * @version 1.0 */ @SuppressWarnings({ "rawtypes"}) public int CheckSensitiveWord(String txt,int beginIndex,int matchType){ boolean flag = false; //敏感词结束标识位：用于敏感词只有1位的情况 int matchFlag = 0; //匹配标识数默认为0 char word = 0; Map nowMap = sensitiveWordMap; for(int i = beginIndex; i < txt.length() ; i++){ word = txt.charAt(i); nowMap = (Map) nowMap.get(word); //获取指定key if(nowMap != null){ //存在，则判断是否为最后一个 matchFlag++; //找到相应key，匹配标识+1 if("1".equals(nowMap.get("isEnd"))){ //如果为最后一个匹配规则,结束循环，返回匹配标识数 flag = true; //结束标志位为true if(SensitivewordFilter.minMatchTYpe == matchType){ //最小规则，直接返回,最大规则还需继续查找 break; } } } else{ //不存在，直接返回 break; } } if(matchFlag < 2 || !flag){ //长度必须大于等于1，为词 matchFlag = 0; } return matchFlag; } public static void main(String[] args) { SensitivewordFilter filter = new SensitivewordFilter(); System.out.println("敏感词的数量：" + filter.sensitiveWordMap.size()); String string = "新华社乌鲁木齐9月12日电（记者曹志恒）新疆吐鲁番地区中级人民法院12日对鄯善县“6·26”暴力恐怖案件中艾合买提尼亚孜·斯迪克等4名被告人一审公开开庭审理并当庭宣判，以组织领导恐怖组织罪、故意杀人罪、放火罪数罪并罚，判处艾合买提尼亚孜·斯迪克死刑，剥夺政治权利终身；以参加恐怖组织罪、故意杀人罪、放火罪数罪并罚" + "，判处吾拉音·艾力死刑，剥夺政治权利终身；以参加恐怖组织罪、故意杀人罪数罪并罚" + "，判处阿不都拉·斯热甫力死刑，剥夺政治权利终身；以参加恐怖组织罪、故意杀人罪、放火罪数罪并罚，判处艾克拉木·吾斯曼有期徒刑25年，剥夺政治权利5年。\r\n" + "法庭审理查明，2010年4月以来，艾克拉木·吾斯曼、吾拉音·艾力、阿不都拉·斯热甫力先后与" + "艾力·艾合买提尼亚孜等数人在鄯善县鲁克沁镇多次聚集，从事非法宗教活动，宣扬宗教极端思想，收听观看境外恐怖组织煽动实施暴力恐怖活动的音视频，" + "传看宣扬宗教极端思想的书籍，接受宗教极端思想并就进行暴力恐怖活动达成共谋，进行暴恐体能训练，恐怖组织逐渐形成个人一杯红酒一部电影在夜三级片 深人静的晚上，关上电话静静的发呆着。"; System.out.println("待检测语句字数：" + string.length()); long beginTime = System.currentTimeMillis(); Set<String> set = filter.getSensitiveWord(string, 1); long endTime = System.currentTimeMillis(); System.out.println("语句中包含敏感词的个数为：" + set.size() + "。包含：" + set); System.out.println("总共消耗时间为：" + (endTime - beginTime)); } } import java.io.BufferedReader; import java.io.File; import java.io.FileInputStream; import java.io.InputStreamReader; import java.util.HashMap; import java.util.HashSet; import java.util.Iterator; import java.util.Map; import java.util.Set; /** * @Description: 初始化敏感词库，将敏感词加入到HashMap中，构建DFA算法模型 */ public class SensitiveWordInit { private String ENCODING = "UTF-8"; //字符编码 @SuppressWarnings("rawtypes") public HashMap sensitiveWordMap; public SensitiveWordInit(){ super(); } /** * @author zhangyuntao * @date 2018年4月20日 下午2:28:32 * @version 1.0 */ @SuppressWarnings("rawtypes") public Map initKeyWord(){ try { //读取敏感词库 Set<String> keyWordSet = readSensitiveWordFile(); //将敏感词库加入到HashMap中 addSensitiveWordToHashMap(keyWordSet); //spring获取application，然后application.setAttribute("sensitiveWordMap",sensitiveWordMap); } catch (Exception e) { e.printStackTrace(); } return sensitiveWordMap; } /** * 读取敏感词库，将敏感词放入HashSet中，构建一个DFA算法模型：<br> * 中 = { * isEnd = 0 * 国 = {<br> * isEnd = 1 * 人 = {isEnd = 0 * 民 = {isEnd = 1} * } * 男 = { * isEnd = 0 * 人 = { * isEnd = 1 * } * } * } * } * 五 = { * isEnd = 0 * 星 = { * isEnd = 0 * 红 = { * isEnd = 0 * 旗 = { * isEnd = 1 * } * } * } * } * @author zhangyuntao * @date 2018年4月20日 下午3:04:20 * @param keyWordSet 敏感词库 * @version 1.0 */ @SuppressWarnings({ "rawtypes", "unchecked" }) private void addSensitiveWordToHashMap(Set<String> keyWordSet) { sensitiveWordMap = new HashMap(keyWordSet.size()); //初始化敏感词容器，减少扩容操作 String key = null; Map nowMap = null; Map<String, String> newWorMap = null; //迭代keyWordSet Iterator<String> iterator = keyWordSet.iterator(); while(iterator.hasNext()){ key = iterator.next(); //关键字 nowMap = sensitiveWordMap; for(int i = 0 ; i < key.length() ; i++){ char keyChar = key.charAt(i); //转换成char型 Object wordMap = nowMap.get(keyChar); //获取 if(wordMap != null){ //如果存在该key，直接赋值 nowMap = (Map) wordMap; } else{ //不存在则，则构建一个map，同时将isEnd设置为0，因为他不是最后一个 newWorMap = new HashMap<String,String>(); newWorMap.put("isEnd", "0"); //不是最后一个 nowMap.put(keyChar, newWorMap); nowMap = newWorMap; } if(i == key.length() - 1){ nowMap.put("isEnd", "1"); //最后一个 } } } } public static void main(String[] args) { Set set = new HashSet(); set.add("中国"); set.add("中国人民"); set.add("中国人"); new SensitiveWordInit().addSensitiveWordToHashMap(set); } /** * 读取敏感词库中的内容，将内容添加到set集合中 * @author zhangyuntao * @date 2018年4月20日 下午2:31:18 * @return * @version 1.0 * @throws Exception */ @SuppressWarnings("resource") private Set<String> readSensitiveWordFile() throws Exception{ Set<String> set = null; File filexx=new File(""); String path=filexx.getAbsolutePath(); File file = new File(path+"\\src\\SensitiveWord.txt"); //读取文件 InputStreamReader read = new InputStreamReader(new FileInputStream(file),ENCODING); try { if(file.isFile() && file.exists()){ //文件流是否存在 set = new HashSet<String>(); BufferedReader bufferedReader = new BufferedReader(read); String txt = null; while((txt = bufferedReader.readLine()) != null){ //读取文件，将文件内容放入到set中 set.add(txt); } } else{ //不存在抛出异常信息 throw new Exception("敏感词库文件不存在"); } } catch (Exception e) { throw e; }finally{ read.close(); //关闭文件流 } return set; } }