DFA算法过滤敏感词整理

这里有部分是从网上找的，但看起来太乱了，分的太散了。研究了几天，整理出来，有问题的话还请大虾们提出来....

DFA算法过滤敏感词整理

package org.rui.util;import java.io.BufferedReader;import java.io.File;import java.io.FileInputStream;import java.io.IOException;import java.io.InputStreamReader;import java.util.HashMap;import java.util.HashSet;import java.util.Iterator;import java.util.Map;import java.util.Set;/** * 检查是否有敏感词，并返回敏感词和数量 *  YN =是否是最后一个 Y=是 N=不是 *  * @author lenovo * */public class FilterWord{public static final Integer MATCH_TYPE_X = 2;// 最小匹配规则public static final Integer MATCH_TYPE_M = 1;// 最大匹配规则public static Set<String> readWorld(){InputStreamReader read = null;Set<String> set = null;try {File file = new File("D:\\SensitiveWord.txt"); // 读取文件read = new InputStreamReader(new FileInputStream(file), "UTF-8");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 {// throw new Exception("敏感词库文件不存在");}} catch (Exception e) {e.printStackTrace();} finally {if (read != null) {try {read.close();} catch (IOException e) {e.printStackTrace();} // 关闭文件流}}return set;}public static Map getMap(){Map WordMap = new HashMap();String key = null;Map nowMap = null;Map<String, String> newWorMap = null;// 迭代keyWordSetIterator<String> iterator = readWorld().iterator();while (iterator.hasNext()) {key = iterator.next(); // 关键字nowMap = WordMap;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("YN", "N"); // 不是最后一个nowMap.put(keyChar, newWorMap);nowMap = newWorMap;}if (i == key.length() - 1) {nowMap.put("YN", "Y"); // 最后一个}}}return WordMap;}public static void main(String[] args){// 添加敏感 词，这里也可以从数据库中读取Map sensitiveWordMap = getMap();Set<String> sensitiveWordList = new HashSet<String>();String txt = "问世间，情是何物，直教生死相许。天南地北双飞客，老翅几回寒暑。欢乐趣，别离苦，是中更有痴儿女。"+ "胡锦涛和习近平君应有语。渺万里层云，千山暮雪，只影为谁去？横汾路，寂寞当年箫鼓。荒烟依旧平楚。招魂楚些何嗟及，"+ "胡锦涛习近平山鬼自啼风雨。天也妒。未信与，莺儿燕子俱黄土。千秋万古。为留待骚人，狂歌痛饮，来访雁丘处。";for (int i = 0; i < txt.length(); i++) {int length = 0;// 匹配标识数默认为0boolean flag = false; // 敏感词结束标识位：用于敏感词只有1位的情况char word = 0;Map nowMap = sensitiveWordMap;for (int j = i; j < txt.length(); j++) {word = txt.charAt(j);nowMap = (Map) nowMap.get(word); // 获取指定keyif (nowMap != null) { // 存在，则判断是否为最后一个length++; // 找到相应key，匹配标识+1if ("Y".equals(nowMap.get("YN"))) { // 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trueif (FilterWord.MATCH_TYPE_M == 1) { // 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 (length < 2 || !flag) { // 长度必须大于等于1，为词length = 0;}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}}System.out.println("语句中包含敏感词的个数为：" + sensitiveWordList.size() + "。包含："+ sensitiveWordList);}}/*** * 语句中包含敏感词的个数为：2。包含：[习近平, 胡锦涛] */

package org.rui.util;import java.io.BufferedReader;import java.io.File;import java.io.FileInputStream;import java.io.IOException;import java.io.InputStreamReader;import java.util.HashMap;import java.util.HashSet;import java.util.Iterator;import java.util.Map;import java.util.Set;/** * @desc DFA 过滤敏感词 用*号替换 * @date 2015/04/04 * @author liangrui * */public class ReplaceKeyWord{public static final Integer MATCH_TYPE_X = 2;// 最小匹配规则public static final Integer MATCH_TYPE_M = 1;// 最大匹配规则/** * 读取敏感词 *  * @return */public static Set<String> readWorld(){InputStreamReader read = null;Set<String> set = null;try {File file = new File("D:\\SensitiveWord.txt"); // 读取文件read = new InputStreamReader(new FileInputStream(file), "UTF-8");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 {// throw new Exception("敏感词库文件不存在");}} catch (Exception e) {e.printStackTrace();} finally {if (read != null) {try {read.close();} catch (IOException e) {e.printStackTrace();} // 关闭文件流}}return set;}/** * DFA算法 模型 *  * @return */public static Map getMap(){Map WordMap = new HashMap();String key = null;Map nowMap = null;Map<String, String> newWorMap = null;// 迭代keyWordSetIterator<String> iterator = readWorld().iterator();while (iterator.hasNext()) {key = iterator.next(); // 关键字nowMap = WordMap;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("YN", "N"); // 不是最后一个nowMap.put(keyChar, newWorMap);nowMap = newWorMap;}if (i == key.length() - 1) {nowMap.put("YN", "Y"); // 最后一个}}}return WordMap;}/** * 替换 *  * @param txt * @param map * @return */public static String replace(String txt, Map map){StringBuffer sb = new StringBuffer(txt);for (int i = 0; i < txt.length(); i++) {int length = 0;// 匹配标识数默认为0boolean flag = false; // 敏感词结束标识位：用于敏感词只有1位的情况char word = 0;Map nowMap = map;for (int j = i; j < txt.length(); j++) {word = txt.charAt(j);nowMap = (Map) nowMap.get(word); // 获取指定keyif (nowMap != null) { // 存在，则判断是否为最后一个length++; // 找到相应key，匹配标识+1if ("Y".equals(nowMap.get("YN"))) { // 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trueif (ReplaceKeyWord.MATCH_TYPE_M == 1) { // 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 (length < 2 || !flag) { // 长度必须大于等于1，为词length = 0;}if (length > 0) { // 存在char[] c = new char[length];for (int x = 0; x < length; x++) {c[x] = '*';}sb.replace(i, i + length, new String(c));i = i + length - 1; // 减1的原因，是因为for会自增}}return sb.toString();}public static void main(String[] args){// 添加敏感 词，这里也可以从数据库中读取Map map = getMap();String txt = "问世间，情是何物，直教生死相许。天南地北双飞客，老翅几回寒暑。欢乐趣，别离苦，是中更有痴儿女。"+ "胡锦涛和习近平君应有语。渺万里层云，千山暮雪，只影为谁去？横汾路，寂寞当年箫鼓。荒烟依旧平楚。招魂楚些何嗟及，"+ "胡锦涛习近平山鬼自啼风雨。天也妒。未信与，莺儿燕子俱黄土。千秋万古。为留待骚人，狂歌痛饮，来访雁丘处。";long beginTime = System.currentTimeMillis();String result = replace(txt, map);long endTime = System.currentTimeMillis();System.out.println("总共消耗时间为：" + (endTime - beginTime));System.out.println("result:" + result);// Set set = readWorld();}}/*** * result:问世间，情是何物，直教生死相许。天南地北双飞客，老翅几回寒暑。欢乐趣，别离苦，是中更有痴儿女。***和***君应有语。 * 渺万里层云，千山暮雪，只影为谁去？横汾路，寂寞当年箫鼓。荒烟依旧平楚。招魂楚些何嗟及，******山鬼自啼风雨。 * 天也妒。未信与，莺儿燕子俱黄土。千秋万古。为留待骚人，狂歌痛饮，来访雁丘处。 * / */