Android前端敏感詞（屏蔽詞）過濾

轉載請標明出處：http://blog.csdn.net/donkor_/article/details/81232529

前言：

開發中經常要處理用戶一些文字的提交，所以涉及到了敏感詞過濾的功能，參考資料中DFA有窮狀態機算法的實現，創建有向圖。完成了對敏感詞、廣告詞的過濾，而且效率較好，所以分享一下。

使用DFA算法實現的內容安全,反垃圾,智能鑑黃,敏感詞過濾,不良信息檢測，文本校驗，敏感詞檢測，包括關鍵詞提取等。

▲ DFA算法概述

DFA全稱爲：Deterministic Finite Automaton,即確定有窮自動機。其特徵爲：有一個有限狀態集合和一些從一個狀態通向另一個狀態的邊，每條邊上標記有一個符號，其中一個狀態是初態，某些狀態是終態。但不同於不確定的有限自動機，DFA中不會有從同一狀態出發的兩條邊標誌有相同的符號。

▲ 敏感詞匹配規則

最小匹配規則，如：敏感詞庫[“中國”,”中國人”]，語句：”我是中國人”，匹配結果：我是[中國]人

最大匹配規則，如：敏感詞庫[“中國”,”中國人”]，語句：”我是中國人”，匹配結果：我是[中國人]

▲ Android中的使用

敏感詞過濾工具SensitiveWordsUtils

public class SensitiveWordsUtils {

    /**
     * 敏感詞匹配規則
     */
    public static final int MinMatchTYpe = 1;      
    public static final int MaxMatchType = 2;     

    /**
     * 敏感詞集合
     */
    public static HashMap sensitiveWordMap;

    /**
     * 初始化敏感詞庫，構建DFA算法模型
     *
     * @param sensitiveWordSet 敏感詞庫
     */
    public static synchronized void init(Set<String> sensitiveWordSet) {
        initSensitiveWordMap(sensitiveWordSet);
    }

    /**
     * 初始化敏感詞庫，構建DFA算法模型
     *
     * @param sensitiveWordSet 敏感詞庫
     */
    private static void initSensitiveWordMap(Set<String> sensitiveWordSet) {
        //初始化敏感詞容器，減少擴容操作
        sensitiveWordMap = new HashMap(sensitiveWordSet.size());
        String key;
        Map nowMap;
        Map<String, String> newWorMap;
        //迭代sensitiveWordSet
        Iterator<String> iterator = sensitiveWordSet.iterator();
        while (iterator.hasNext()) {
            //關鍵字
            key = iterator.next();
            nowMap = sensitiveWordMap;
            for (int i = 0; i < key.length(); i++) {
                //轉換成char型
                char keyChar = key.charAt(i);
                //庫中獲取關鍵字
                Object wordMap = nowMap.get(keyChar);
                //如果存在該key，直接賦值，用於下一個循環獲取
                if (wordMap != null) {
                    nowMap = (Map) wordMap;
                } else {
                    //不存在則，則構建一個map，同時將isEnd設置爲0，因爲他不是最後一個
                    newWorMap = new HashMap<>();
                    //不是最後一個
                    newWorMap.put("isEnd", "0");
                    nowMap.put(keyChar, newWorMap);
                    nowMap = newWorMap;
                }

                if (i == key.length() - 1) {
                    //最後一個
                    nowMap.put("isEnd", "1");
                }
            }
        }
    }

    /**
     * 判斷文字是否包含敏感字符
     *
     * @param txt       文字
     * @param matchType 匹配規則 1：最小匹配規則，2：最大匹配規則
     * @return 若包含返回true，否則返回false
     */
    public static boolean contains(String txt, int matchType) {
        boolean flag = false;
        for (int i = 0; i < txt.length(); i++) {
            int matchFlag = checkSensitiveWord(txt, i, matchType); //判斷是否包含敏感字符
            if (matchFlag > 0) {    //大於0存在，返回true
                flag = true;
            }
        }
        return flag;
    }

    /**
     * 判斷文字是否包含敏感字符
     *
     * @param txt 文字
     * @return 若包含返回true，否則返回false
     */
    public static boolean contains(String txt) {
        return contains(txt, MaxMatchType);
    }

    /**
     * 獲取文字中的敏感詞
     *
     * @param txt       文字
     * @param matchType 匹配規則 1：最小匹配規則，2：最大匹配規則
     * @return
     */
    public static Set<String> getSensitiveWord(String txt, int matchType) {
        Set<String> sensitiveWordList = new HashSet<>();

        for (int i = 0; i < txt.length(); i++) {
            //判斷是否包含敏感字符
            int length = checkSensitiveWord(txt, i, matchType);
            if (length > 0) {//存在,加入list中
                sensitiveWordList.add(txt.substring(i, i + length));
                i = i + length - 1;//減1的原因，是因爲for會自增
            }
        }

        return sensitiveWordList;
    }

    /**
     * 獲取文字中的敏感詞
     *
     * @param txt 文字
     * @return
     */
    public static Set<String> getSensitiveWord(String txt) {
        return getSensitiveWord(txt, MaxMatchType);
    }

    /**
     * 替換敏感字字符
     *
     * @param txt         文本
     * @param replaceChar 替換的字符，匹配的敏感詞以字符逐個替換，如 語句：我愛中國人 敏感詞：中國人，替換字符：*， 替換結果：我愛***
     * @param matchType   敏感詞匹配規則
     * @return
     */
    public static String replaceSensitiveWord(String txt, char replaceChar, int matchType) {
        String resultTxt = txt;
        //獲取所有的敏感詞
        Set<String> set = getSensitiveWord(txt, matchType);
        Iterator<String> iterator = set.iterator();
        String word;
        String replaceString;
        while (iterator.hasNext()) {
            word = iterator.next();
            replaceString = getReplaceChars(replaceChar, word.length());
            resultTxt = resultTxt.replaceAll(word, replaceString);
        }

        return resultTxt;
    }

    /**
     * 替換敏感字字符
     *
     * @param txt         文本
     * @param replaceChar 替換的字符，匹配的敏感詞以字符逐個替換，如 語句：我愛中國人 敏感詞：中國人，替換字符：*， 替換結果：我愛***
     * @return
     */
    public static String replaceSensitiveWord(String txt, char replaceChar) {
        return replaceSensitiveWord(txt, replaceChar, MaxMatchType);
    }

    /**
     * 替換敏感字字符
     *
     * @param txt        文本
     * @param replaceStr 替換的字符串，匹配的敏感詞以字符逐個替換，如 語句：我愛中國人 敏感詞：中國人，替換字符串：[屏蔽]，替換結果：我愛[屏蔽]
     * @param matchType  敏感詞匹配規則
     * @return
     */
    public static String replaceSensitiveWord(String txt, String replaceStr, int matchType) {
        String resultTxt = txt;
        //獲取所有的敏感詞
        Set<String> set = getSensitiveWord(txt, matchType);
        Iterator<String> iterator = set.iterator();
        String word;
        while (iterator.hasNext()) {
            word = iterator.next();
            resultTxt = resultTxt.replaceAll(word, replaceStr);
        }

        return resultTxt;
    }

    /**
     * 替換敏感字字符
     *
     * @param txt        文本
     * @param replaceStr 替換的字符串，匹配的敏感詞以字符逐個替換，如 語句：我愛中國人 敏感詞：中國人，替換字符串：[屏蔽]，替換結果：我愛[屏蔽]
     * @return
     */
    public static String replaceSensitiveWord(String txt, String replaceStr) {
        return replaceSensitiveWord(txt, replaceStr, MaxMatchType);
    }

    /**
     * 獲取替換字符串
     *
     * @param replaceChar
     * @param length
     * @return
     */
    private static String getReplaceChars(char replaceChar, int length) {
        String resultReplace = String.valueOf(replaceChar);
        for (int i = 1; i < length; i++) {
            resultReplace += replaceChar;
        }

        return resultReplace;
    }

    /**
     * 檢查文字中是否包含敏感字符，檢查規則如下：<br>
     *
     * @param txt
     * @param beginIndex
     * @param matchType
     * @return 如果存在，則返回敏感詞字符的長度，不存在返回0
     */
    private static int checkSensitiveWord(String txt, int beginIndex, int matchType) {
        //敏感詞結束標識位：用於敏感詞只有1位的情況
        boolean flag = false;
        //匹配標識數默認爲0
        int matchFlag = 0;
        char word;
        Map nowMap = sensitiveWordMap;
        for (int i = beginIndex; i < txt.length(); i++) {
            word = txt.charAt(i);
            //獲取指定key
            nowMap = (Map) nowMap.get(word);
            if (nowMap != null) {//存在，則判斷是否爲最後一個
                //找到相應key，匹配標識+1
                matchFlag++;
                //如果爲最後一個匹配規則,結束循環，返回匹配標識數
                if ("1".equals(nowMap.get("isEnd"))) {
                    //結束標誌位爲true
                    flag = true;
                    //最小規則，直接返回,最大規則還需繼續查找
                    if (MinMatchTYpe == matchType) {
                        break;
                    }
                }
            } else {//不存在，直接返回
                break;
            }
        }
        if (matchFlag < 2 && !flag) {//長度必須大於等於1，爲詞
            matchFlag = 0;
        }
        return matchFlag;
    }
}

---

About me
Email ：[email protected]
Android開發交流QQ羣 : 537891203