DFA算法实现敏感词过滤工具类
此工具类通过hashmap构建敏感词树，利用DFA算法进行处理，共提供五个工具方法，方法如下：
* void SensiWordUtil.refreshSensiMap() 刷新、重新生成敏感词汇树
* void SensiWordUtil.isContaintSensitiveWord(String txt) 判断txt中是否存在敏感词
* String SensiWordUtil.replaceSensitiveWord(String txt,String replaceChar) 用replaceChar替换txt中的敏感词，并返回结果
* boolean SensiWordUtil.delWord(String word) 删除一个敏感词汇
* boolean SensiWordUtil.addWord(String word) 添加一个敏感词汇
（读者根据自身需要修改readSensitiveWordFile()，更改敏感词库读取方式）
（1050个敏感词汇，替换检索用时1ms）
package myf.sensitive;
import java.io.BufferedReader;
import java.io.File;
import java.io.FileInputStream;
import java.io.InputStreamReader;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.HashSet;
import java.util.Iterator;
import java.util.List;
import java.util.Map;
import java.util.Set;
/**
* 敏感词过滤工具类
*
* @author muyunfei
* @QQ 1147417467
* @tel 15562579597
*
* Modification History:
* Date Author Description
* ------------------------------------------------------------------
* Dec 22, 2016 牟云飞 新建
*
* 返回结果 调用方式
* void SensiWordUtil.refreshSensiMap() 刷新、重新生成敏感词汇树
* void SensiWordUtil.isContaintSensitiveWord(String txt) 判断txt中是否存在敏感词
* String SensiWordUtil.replaceSensitiveWord(String txt,String replaceChar) 用replaceChar替换txt中的敏感词，并返回结果
* boolean SensiWordUtil.delWord(String word) 删除一个敏感词汇
* boolean SensiWordUtil.addWord(String word) 添加一个敏感词汇
*/
public class SensiWordUtil {
public static void main(String[] args) {
//转载表明出处 牟云飞 http://blog.csdn.net/myfmyfmyfmyf/article/details/53835513
//测试时在D盘创建敏感词库 D:\\SensitiveWord.txt
SensiWordUtil util = new SensiWordUtil();
String inputContext = "计算机（computer）俗称电脑，是现代一种用于高速计算的电子计算机器，三级片通常指含有色情" +
"暴露镜头的电影，源自香港在八十年代末起进行的电影分级制。自1988年底香港实行电影分级制度以来，对第三级影片的" +
"划分标准除了裸露镜头外又可以进行逻辑计算，还具有自杀功能。是能够按照法轮功程序运行，自动、高速处理海量黄色电影";
System.out.println("待检测语句字数：" + inputContext.length());
long beginTime = System.currentTimeMillis();
String newStr = SensiWordUtil.replaceSensitiveWord(inputContext,"*");
long endTime = System.currentTimeMillis();
System.out.println("过滤敏感词后：" + newStr);
System.out.println("总共消耗时间为：" + (endTime - beginTime));
}
//词库树
private static HashMap sensitiveWordMap = null;
/**
* 初始化敏感词树
* @return
*/
private static void initKeyWord(){
try {
//读取敏感词库
List keyWordList = readSensitiveWordFile();
//将敏感词库加入到HashMap中
addSensitiveWordToHashMap(keyWordList);
} catch (Exception e) {
e.printStackTrace();
}
}
/**
* 删除一个敏感词词汇,true 删除成功
* @param word
* @return
*/
public static boolean delWord(String word){
boolean flag = false;
if(null==sensitiveWordMap||sensitiveWordMap.isEmpty()){
//没有敏感词树，直接返回false
return false;
}
if(null==word||"".endsWith(word)){
//输入的词汇有误，返回false
return false;
}
Map curNote = sensitiveWordMap;
for (int i = 0; i < word.length(); i++) {
char wordChar = word.charAt(i);
//获取
Object wordMap = curNote.get(wordChar);
if(null==wordMap){
//不存在当前敏感词汇
return true;
}
//判断是否最后一个词
Map temp = (Map) wordMap;
String isEndVal = temp.get("isEnd")+"";
if("1".equals(isEndVal)&&i==word.length()-1){
//找到了最后一个节点，删除
curNote.remove(wordChar);
return true;
}
if("1".equals(isEndVal)&&i!=word.length()-1){
//不存在当前词汇
return true;
}
//递归当前点
curNote=(Map) wordMap;
}
return flag;
}
/**
* 添加一个新词到树
* @param word
* @return
*/
public static boolean addWord(String word){
try{
if(null==sensitiveWordMap){
//初始化敏感词容器
sensitiveWordMap = new HashMap();
}
Map curMap = sensitiveWordMap;
Map newWorMap =null;
for(int i = 0 ; i < word.length() ; i++){
char keyChar = word.charAt(i); //转换成char型
Object wordMap = curMap.get(keyChar); //获取
if(wordMap != null){ //如果存在该key，直接赋值
curMap = (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();
newWorMap.put("isEnd", "0"); //不是最后一个
curMap.put(keyChar, newWorMap);
curMap = newWorMap;
}
if(i == word.length() - 1){
curMap.put("isEnd", "1"); //最后一个
}
}
return true;
}catch (Exception e) {
e.printStackTrace();
return false;
}
}
private static int minMatchTYpe = 1; //最小匹配规则
private static int maxMatchType = 2; //最大匹配规则
/**
* 读取敏感词库中的内容
* @return
* @throws Exception
*/
private static List readSensitiveWordFile() throws Exception{
List list = null;
File file = new File("D:\\SensitiveWord.txt"); //读取文件
InputStreamReader read = new InputStreamReader(new FileInputStream(file),"GBK");
try {
if(file.isFile() && file.exists()){ //文件流是否存在
list = new ArrayList();
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
list.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 list;
}
/**
* 读取敏感词库，将敏感词放入HashSet中，构建一个DFA算法模型：
* 中 = {
* isEnd = 0
* 国 = {
* 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
* }
* }
* }
* }
*
* @param keyWordSet
*/
private static void addSensitiveWordToHashMap(List keyWordList) {
if(null==keyWordList||0==keyWordList.size()){
return;
}
sensitiveWordMap = new HashMap(keyWordList.size()); //初始化敏感词容器，减少扩容操作
String key = null;
Map nowMap = null;
Map newWorMap = null;
//迭代keyWordSet
for (int j = 0; j < keyWordList.size(); j++) {
key = keyWordList.get(j); //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();
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
}
}
}
}
/**
* 判断文字是否包含敏感字符
* @param txt 检测字
* @return
*/
public static boolean isContaintSensitiveWord(String txt){
int matchType=1; //匹配规则 1：最小匹配规则，2：最大匹配规则
if(null==sensitiveWordMap||sensitiveWordMap.isEmpty()){
//如果敏感词树不存在创建
initKeyWord();
//如果初始化之后还是null，则没有敏感词库
if(null==sensitiveWordMap){
return false;
}
}
boolean flag = false;
for(int i = 0 ; i < txt.length() ; i++){
int matchFlag = 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;break;
}
}
return flag;
}
/**
* 检查文字中是否包含敏感字符,如果存在，则返回敏感词字符的长度，不存在返回0
* @param txt
* @param beginIndex
* @param matchType
* @return
*/
private static 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(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(!flag){
matchFlag = 0;
}
return matchFlag;
}
/**
* 替换敏感字字符
* @param txt
* @param replaceChar
* @return
*/
public static String replaceSensitiveWord(String txt,String replaceChar){
if(null==sensitiveWordMap||sensitiveWordMap.isEmpty()){
//如果敏感词树不存在创建
initKeyWord();
//如果初始化之后还是null，则没有敏感词库
if(null==sensitiveWordMap){
return txt;
}
}
int matchType= 1;
String resultTxt = txt;
Set set = getSensitiveWord(txt, matchType); //获取所有的敏感词
Iterator 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;
}
/**
* 获取文字中的敏感词
* @param txt
* @param matchType
* @return
*/
private static Set getSensitiveWord(String txt , int matchType){
Set sensitiveWordList = new HashSet();
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;
}
/**
* 获取替换字符串
* @param replaceChar
* @param length
* @return
*/
private static String getReplaceChars(String replaceChar,int length){
String resultReplace = replaceChar;
for(int i = 1 ; i < length ; i++){
resultReplace += replaceChar;
}
return resultReplace;
}
/**
* 刷新敏感树
* @return
*/
public static boolean refreshSensiMap(){
try{
//清空原有的敏感词汇树
sensitiveWordMap=null;
//初始化
initKeyWord();
return true;
}catch (Exception e) {
e.printStackTrace();
return false;
}
}
}
/**
* 读取敏感词库，将敏感词放入HashMap中（汉字作为key值，value值为hashMap 包括：isEnd节点、多个汉字子节点 ），构建一个DFA算法模型：
* 中 = {
* isEnd = 0
* 国 = {
* 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
* }
* }
* }
* }
*
*/
-----------------------------------------------------------------
重要参考：http://cmsblogs.com/?p=1031
-----------------------------------------------------------------