文章目录

敏感词过滤方案一：正则表达式方案二：基于DFA算法的敏感词过滤工具框架-sensitive-wordspringboot集成sensitive-word步骤一：引入pom步骤二：自定义配置步骤三：自定义敏感词+白名单步骤四：核心方法测试

敏感词过滤

敏感词过滤通常是指从文本中检测并移除或替换掉被认为是不适当、冒犯性或违反特定社区准则的词汇。这个过程常用于在线平台、论坛、社交媒体和聊天系统等，以确保交流环境的健康和积极.

方案一：正则表达式

实现敏感词过滤.只适合于敏感词较少、文本量较少的场合，并且无法处理同音字、错别字等，案例：

<code>public static void main(String[] args) { -- -->

String text = "这是一个包含敏感词汇的文本，例如色情、赌博等。";

String[] sensitiveWords = { "色情", "赌博"};

for (String word : sensitiveWords) {

text = filterSensitiveWords(text, word);

}

System.out.println("过滤后的文本： " + text);

testSensitiveWordFrame();

}

/**

* 方案一：正则表达式实现敏感词过滤.只适合于敏感词较少、文本量较少的场合，并且无法处理同音字、错别字等.

*

* @param text

* @param sensitiveWord

* @return

*/

public static String filterSensitiveWords(String text, String sensitiveWord) {

Pattern pattern = Pattern.compile(sensitiveWord);

Matcher matcher = pattern.matcher(text);

return matcher.replaceAll("***");

}

方案二：基于DFA算法的敏感词过滤工具框架-sensitive-word

* 6W+ 词库，且不断优化更新

* 基于 DFA 算法，性能较好

* 基于 fluent-api 实现，使用优雅简洁

* 支持敏感词的判断、返回、脱敏等常见操作

* 支持全角半角互换

* 支持英文大小写互换

* 支持数字常见形式的互换

* 支持中文繁简体互换

* 支持英文常见形式的互换

* 支持用户自定义敏感词和白名单

* 支持数据的数据动态更新，实时生效

springboot集成sensitive-word

步骤一：引入pom

<dependency>

<groupId>com.github.houbb</groupId>

<artifactId>sensitive-word</artifactId>

<version>0.2.0</version>

</dependency>

步骤二：自定义配置

@Configuration

public class MySensitiveWordBs {

@Autowired

private MyWordAllow myWordAllow;

@Autowired

private MyWordDeny myWordDeny;

@Autowired

private MyWordReplace myWordReplace;

/**

* 初始化引导类

*

* @return 初始化引导类

* @since 1.0.0

*/

@Bean

public SensitiveWordBs sensitiveWordBs() {

SensitiveWordBs sensitiveWordBs = SensitiveWordBs.newInstance()

// .wordAllow(WordAllows.chains(WordAllows.defaults(), myWordAllow)) // 设置多个敏感词，系统默认和自定义

// .wordDeny(WordDenys.chains(WordDenys.defaults(), myWordDeny)) // 设置多个敏感词，系统默认和自定义

.wordAllow(WordAllows.chains(myWordAllow)) // 自定义

.wordDeny(WordDenys.chains(myWordDeny)) // 自定义

.wordReplace(myWordReplace) // 自定义替换规则

.ignoreCase(true) // 忽略大小写

.ignoreWidth(true) // 忽略半角圆角

.ignoreNumStyle(true) // 忽略数字的写法

.ignoreChineseStyle(true) // 忽略中文的书写格式

.ignoreEnglishStyle(true) // 忽略英文的书写格式

.ignoreRepeat(true) // 忽略重复词

.enableNumCheck(true) // 是否启用数字检测。默认连续 8 位数字认为是敏感词

.enableEmailCheck(true) // 是有启用邮箱检测

.enableUrlCheck(true) // 是否启用链接检测

.init();

return sensitiveWordBs;

}

}

步骤三：自定义敏感词+白名单

/**

* 自定义非敏感词

* 注意每一行为一个非敏感词，单行不能只包括空格，否则，也会把空格识别为非敏感词

*/

@Component

@Slf4j

public class MyWordAllow implements IWordAllow {

@Override

public List<String> allow() {

List<String> allowWords = new ArrayList<>();

try {

ClassPathResource resource = new ClassPathResource("myAllowWords.txt");

Path myAllowWordsPath = Paths.get(resource.getUrl().toURI());

allowWords = Files.readAllLines(myAllowWordsPath, StandardCharsets.UTF_8);

} catch (IOException ioException) {

log.error("读取非敏感词文件错误：{}", ioException);

} catch (URISyntaxException e) {

throw new RuntimeException(e);

}

return allowWords;

}

}

@Component

@Slf4j

public class MyWordDeny implements IWordDeny {

@Override

public List<String> deny() {

List<String> denyWords = new ArrayList<>();

try {

ClassPathResource resource = new ClassPathResource("myDenyWords.txt");

Path myAllowWordsPath = Paths.get(resource.getUrl().toURI());

denyWords = Files.readAllLines(myAllowWordsPath, StandardCharsets.UTF_8);

} catch (

IOException ioException) {

log.error("读取敏感词文件错误：{}", ioException);

} catch (URISyntaxException e) {

throw new RuntimeException(e);

}

return denyWords;

}

}

/**

* 自定义敏感词对应的替换值.

* 场景说明：有时候我们希望不同的敏感词有不同的替换结果。比如【游戏】替换为【电子竞技】，【失业】替换为【灵活就业】。

*/

@Configuration

public class MyWordReplace implements IWordReplace {

@Override

public void replace(StringBuilder stringBuilder, final char[] rawChars, IWordResult wordResult, IWordContext wordContext) {

String sensitiveWord = InnerWordCharUtils.getString(rawChars, wordResult);

if ("zhupeng".equals(sensitiveWord)) {

stringBuilder.append("朱鹏");

} else {

// 其他默认使用 * 代替

int wordLength = wordResult.endIndex() - wordResult.startIndex();

for (int i = 0; i < wordLength; i++) {

stringBuilder.append('-');

}

}

}

}

步骤四：核心方法测试

public class SensitiveWordController {

@Autowired

private MyWordReplace myWordReplace;

@Autowired

private SensitiveWordBs sensitiveWordBs;

private static final String text = "五星红旗迎风飘扬，毛主席的画像屹立在天安门前,zhuzhuhzu";

@GetMapping("/pattern")

public void testSensitiveWord2() {

String text = "这是一个包含敏感词汇的文本，例如色情、赌博等。";

String[] sensitiveWords = { "色情", "赌博"};

for (String word : sensitiveWords) {

text = filterSensitiveWords(text, word);

}

System.out.println("过滤后的文本： " + text);

}

/**

* 方案二：基于DFA算法的敏感词过滤工具框架-sensitive-word:https://github.com/houbb/sensitive-word

* 6W+ 词库，且不断优化更新

* 基于 DFA 算法，性能较好

* 基于 fluent-api 实现，使用优雅简洁

* 支持敏感词的判断、返回、脱敏等常见操作

* 支持全角半角互换

* 支持英文大小写互换

* 支持数字常见形式的互换

* 支持中文繁简体互换

* 支持英文常见形式的互换

* 支持用户自定义敏感词和白名单

* 支持数据的数据动态更新，实时生效

*/

@GetMapping("/filter")

public void testSensitiveWord() {

System.out.println("SensitiveWordHelper.contains(text) = " + SensitiveWordHelper.contains(text));

System.out.println("SensitiveWordHelper.findAll(text) = " + SensitiveWordHelper.findAll(text));

System.out.println("SensitiveWordHelper.replace(text,myWordReplace) = " + SensitiveWordHelper.replace(text, myWordReplace));

// 如果自定义敏感词，不要使用SensitiveWordHelper的方法，要使用SensitiveWordBs

System.out.println("sensitiveWordBs.contains(text) = " + sensitiveWordBs.contains(text));

System.out.println("sensitiveWordBs.findAll(text) = " + sensitiveWordBs.findAll(text));

System.out.println("sensitiveWordBs.replace(text) = " + sensitiveWordBs.replace(text));

}

}