敏感词、文字过滤是一个网站必不可少的功能,如何设计一个好的、高效的过滤算法是非常有必要的。
在实现文字过滤的算法中,DFA是唯一比较好的实现算法。DFA即Deterministic Finite Automaton,也就是确定有穷自动机,它是是通过event和当前的state得到下一个state,即event+state=nextstate。在实现敏感词过滤的算法中,我们必须要减少运算,而DFA在DFA算法中几乎没有什么计算,有的只是状态的转换。
下面看下在c#方法下实现方式
1、构建敏感词库类
private bool LoadDictionary()
{
var wordList = new List<string>();
if (_memoryLexicon == null)
{
_memoryLexicon = new WordGroup[char.MaxValue];
var words = new SensitiveWordBll().GetAllWords();
if (words == null)
return false;
foreach (string word in words)
{
wordList.Add(word);
var chineseWord = Microsoft.VisualBasic.Strings.StrConv(word,
Microsoft.VisualBasic.VbStrConv.TraditionalChinese, 0);
if (word != chineseWord)
wordList.Add(chineseWord);
}
foreach (var word in wordList)
{
if (word.Length > 0)
{
var group = _memoryLexicon[word[0]];
if (group == null)
{
group = new WordGroup();
_memoryLexicon[word[0]] = group;
}
group.Add(word.Substring(1));
}
}
}
return true;
}
2、构建敏感词检测类
private bool Check(string blackWord)
{
_wordlenght = 0;
//检测源下一位游标
_nextCursor = _cursor + 1;
var found = false;
var continueCheck = 0;
//遍历词的每一位做匹配
for (var i = 0; i < blackWord.Length; i++)
{
//特殊字符偏移游标
var offset = 0;
if (_nextCursor >= _sourceText.Length)
{
if (i – 1 < blackWord.Length – 1)
found = false;
break;
}
else
{
//检测下位字符如果不是汉字 数字 字符 偏移量加1
for (var y = _nextCursor; y < _sourceText.Length; y++)
{
if (!IsChs(_sourceText[y]) && !IsNum(_sourceText[y]) && !IsAlphabet(_sourceText[y]))
{
offset++;
//避让特殊字符,下位游标如果>=字符串长度 跳出
if (_nextCursor + offset >= _sourceText.Length)
break;
_wordlenght++;
}
else break;
}
if (_nextCursor + offset >= _sourceText.Length)
{
found = false;
break;
}
if (blackWord[i] == _sourceText[_nextCursor + offset])
{
found = true;
continueCheck = 0;
}
else
{
// 匹配不到时尝试继续匹配4个字符
if (continueCheck < 4 && _nextCursor < _sourceText.Length – 1)
{
continueCheck++;
i–;
}
else
{
found = false;
break;
}
}
}
_nextCursor = _nextCursor + 1 + offset;
_wordlenght++;
}
return found;
}
}
敏感词过滤算法达成
敏感词、文字过滤是一个网站必不可少的功能,如何设计一个好的、高效的过滤算法是非常有必要的。 在实现文字过滤的算法中,DFA是唯一比较好的实现算法。DFA即Deterministic Finite Automaton,也就是确定有穷自动机,它是是通过event和当前的state得到下一
本文来自网络,不代表站长网立场,转载请注明出处:https://www.tzzz.com.cn/html/biancheng/yuyan/2021/1206/33973.html