Jsp敏感词过滤的示例代码
大部分论坛、网站等,为了方便管理,都进行了关于敏感词的设定。
在多数网站,敏感词一般是指带有敏感政治倾向(或反执政党倾向)、暴力倾向、不健康色彩的词或不文明语,也有一些网站根据自身实际情况,设定一些只适用于本网站的特殊敏感词。
比如,当你发贴的时候带有某些事先设定的词时,这个贴是不能发出的。或者这个词被自动替换为星号(*)或叉号(x)等,或者说是被和谐掉了。
在我看来敏感词过滤最重要的是在写过滤词汇的算法,如何过滤出大批量的敏感词,我感觉dfa的思想不错
dfa简介
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。下图展示了其状态的转换
在这幅图中大写字母(s、u、v、q)都是状态,小写字母a、b为动作。通过上图我们可以看到如下关系
a b b
s -----> u s -----> v u -----> v
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。
java实现dfa算法实现敏感词过滤
在java中实现敏感词过滤的关键就是dfa算法的实现。首先我们对上图进行剖析。在这过程中我们认为下面这种结构会更加清晰明了。
同时这里没有状态转换,没有动作,有的只是query(查找)。我们可以认为,通过s query u、v,通过u query v、p,通过v query u p。通过这样的转变我们可以将状态的转换转变为使用java集合的查找。
诚然,加入在我们的敏感词库中存在如下几个敏感词:日本人、日本鬼子、毛.泽.东。那么我需要构建成一个什么样的结构呢?
首先:query 日 ---> {本}、query 本 --->{人、鬼子}、query 人 --->{null}、query 鬼 ---> {子}。形如下结构:
下面我们在对这图进行扩展:
这样我们就将我们的敏感词库构建成了一个类似与一颗一颗的树,这样我们判断一个词是否为敏感词时就大大减少了检索的匹配范围。比如我们要判断日本人,根据第一个字我们就可以确认需要检索的是那棵树,然后再在这棵树中进行检索。
这个思想留着以后用,我先写一个过滤词汇的一些简单方法,没有涉及到算法
java代码实现
基本思路:重写httpservletrequestwrapper中的getparameter方法,让用户输入的字通过这个过滤,写一个类继承他,重写方法,在写一个过滤词汇的词典,来与输入的对比
先写一个jsp页面,js是用ajax去刷新的,最近学的想用用试试看,感觉不错,ajax是需要引js文件的
<body> <input type="text" name="word" onblur="filter(this.value);" id="filter"/> <input type="submit" value="敏感词过滤" /> <script type="text/javascript" src="js/jquery.js"></script> <script type="text/javascript"> function filter(num){ $.ajax({ type:"post",//提交方式 url:"filterwordservlet", async:true,//是否异步请求 datatype:"html",//数据的返回类型 data:{"num":num},//数据传过去的值 success:function(data,textstatus){//成功的执行之后,回调这个函数处理事务 $("#filter").val(data); }, error:function(){//失败执行这个函数,处理失败的事务 alert("error"); } }) } </script> </body>
再继承httpservletrequestwrapper在重写getparameter方法,
//主要思路是继承httpservletrequestwrapper,去改写他的getparameter方法,让其有过滤的业务 public class wordfilter extends httpservletrequestwrapper{ public wordfilter(httpservletrequest request) { super(request); // todo auto-generated constructor stub } @override public string getparameter(string name){ //先得到父亲的方法,传入值,得到的值在跟过滤字典中的比较看是否含有,有则替换,没有放过返回 string word=super.getparameter(name); //调用字典中的文字 list<string> list=words.getlist(); for (string string : list) { //判断是否含有这样字典中的文字 if (word.contains(string)) { //将字符串中含有的替换掉 word=word.replace(string, "**"); } } return word; } }
再写一个servlet,去获取用户输入的字,进行过滤操作
@webservlet("/filterwordservlet") public class filterwordservlet extends httpservlet { private static final long serialversionuid = 1l; protected void doget(httpservletrequest request, httpservletresponse response) throws servletexception, ioexception { //设置请求和编码格式 request.setcharacterencoding("utf-8"); response.setcharacterencoding("utf-8"); //自己创建的请求方法,继承与原来的,改写了getparameter方法让其有过滤的业务 wordfilter wfilter=new wordfilter(request); string string=wfilter.getparameter("num"); system.out.println("---------------"); //out的响应方法。输出在页面上,让ajax得到这个去处理一些业务 printwriter out=response.getwriter(); out.println(string); } protected void dopost(httpservletrequest request, httpservletresponse response) throws servletexception, ioexception { // todo auto-generated method stub doget(request, response); } }
我自己建了一个list集合的过滤词汇,以后修改可以从这里开始词汇的搜索算法,先建一个词汇类
public class words { //过滤词汇的词典 static list<string> list=new arraylist<>(); static{ list.add("你妹的"); list.add("sb"); list.add("滚"); } public static list<string> getlist() { return list; } public static void setlist(list<string> list) { words.list = list; } }
这只是最基础的一种。高级的需要算法的实现,可以思考一下这个dfa算法,我感觉很不错
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。