Java使用IKAnalyzer进行敏感词过滤

Java使用IKAnalyzer进行敏感词过滤

IK Analyzer 是一个开源的，基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始， IKAnalyzer已经推出了4个大版本。最初，它是以开源项目Luence为应用主体的，结合词典分词和文法分析算法的中文分词组件。从3.0版本开始，IK发展为面向Java的公用分词组件，独立于Lucene项目，同时提供了对Lucene的默认优化实现。在2012版本中，IK实现了简单的分词歧义排除算法，标志着IK分词器从单纯的词典分词向模拟语义分词衍化。

IK Analyzer 2012特性:

采用了特有的“正向迭代最细粒度切分算法“，支持细粒度和智能分词两种切分模式；

在系统环境：Core2 i7 3.4G双核，4G内存，window 7 64位， Sun JDK 1.6_29 64位 普通pc环境测试，IK2012具有160万字/秒（3000KB/S）的高速处理能力。

2012版本的智能分词模式支持简单的分词排歧义处理和数量词合并输出。

采用了多子处理器分析模式，支持：英文字母、数字、中文词汇等分词处理，兼容韩文、日文字符

优化的词典存储，更小的内存占用。支持用户词典扩展定义。特别的，在2012版本，词典支持中文，英文，数字混合词语。

直接看代码：

录入敏感词类

public class FileToClass01 {
	
	 public void  getDirty(File file, ArrayList list) throws IOException {
		
		BufferedReader bufferedReader =  new BufferedReader(new InputStreamReader(new FileInputStream(file), "utf8"));
			    
		 String string;
		while ((string=bufferedReader.readLine())!=null) {

			list.add(string);

		}
		

	}
	



}

分词处理类：

public class IKTest {
	
	public void fenci(String text,ArrayList list) throws IOException {
		 	StringReader re = new StringReader(text);
	        IKSegmenter ik = new IKSegmenter(re,true);
	        String string;
	        Lexeme lex = null;
	        while((lex=ik.next())!=null){
            	list.add(lex.getLexemeText());
            }
	}



}

测试类：

public class Words {

	public static void main(String[] args) throws IOException {
		File file = new File("wd.txt");
		/*
		 * 需要进行处理的目标字符串
		 */
		String text="小姐可以小姐应用到自然语言处理等狗产蛋方面,适用于对分词效果gay片要求高的成人文学各种项目以及的试试也不知也是我们性伴侣胡海清小姐";
		/*
		 * 目标字符串分词后放进的list集合
		 */
		ArrayList target = new ArrayList();
		/**
		 * 需要进行过滤的敏感词集合
		 */
		ArrayList dirty = new ArrayList(); 
		FileToClass01 fileToClass01 = new FileToClass01();
		IKTest ikTest = new IKTest();
		fileToClass01.getDirty(file, dirty);
		ikTest.fenci(text, target);
		/**
		 * 进行选择，把敏感词用*代替
		 */
		for(int i=0;ifor(int j=0;jif (target.get(i).equals(dirty.get(j))) {
					target.set(i, "*");
				}
			}
		}
		Iterator iterator = target.iterator();
		while (iterator.hasNext()) {
			System.out.println(iterator.next());
		}
	}

}