利用PHP扩展trie_filter做中文敏感词过滤

1.安装libiconv，这个是libdatrie的依赖项

wget http://ftp.gnu.org/pub/gnu/libiconv/libiconv-1.14.tar.gz 
tar zxvf libiconv-1.14.tar.gz 
cd libiconv-1.14
./configure 
make 
make install

2. 安装：libdatrie (http://linux.thai.net/~thep/datrie/datrie.html#Download)

tar zxf libdatrie-0.2.4.tar.gz   
cd libdatrie-0.2.4  
./configure --prefix=/usr/local   
make   
make install

编译出现错误 trietool.c:125: undefined reference to `libiconv'

解决办法为：./configure LDFLAGS=-L/usr/local/lib LIBS=-liconv

3. 安装 trie_filter 扩展

由于官方trie_filter扩展对中文支持的不是很好，所以在git上找到了一个在官方扩展上面改写的扩展经过测试没有问题

安装方法如下：

https://github.com/wulijun/php-ext-trie-filter 在这里下载源码包

phpize
./configure --with-php-config=/usr/local/bin/php-config 
make
make install

4. 修改 php.ini 文件，添加 trie_filter 扩展：extension=trie_filter.so，重启PHP。

查看phpinfo发现trie_filter 扩展可用，如下图所示：

5、生成用语检测的词典，由于上面下载的源码包中并没有带生成词典的命令 所以还需要下载官方的源码包

(https://code.google.com/p/as3chat/downloads/detail?name=trie_filter-2011-03-21.tar.gz)

tar zxf trie_filter-2011.03.21.tar.gz   
cd trie_filter-2011.03.21    
gcc -o dpp dpp.c -ldatrie // 生成dpp命令用语编译词典 
./dpp words.txt words.dic  //将words.txt 编译成trie_filter使用的词典 words.txt中每个词占一行

生成词典的时候 报错：./dpp: error while loading shared libraries: libdatrie.so.1: cannot open shared object file: No such file or directory

解决办法：执行

ldconfig

然后在执行

./dpp words.txt words.dic

就好了

6、测试：

<!--?php 
/**
 * trie_filter 敏感词过滤示例
 * 
 **/ 
   
// 载入词典，成功返回一个 Trie_Filter 资源句柄，失败返回 NULL 
$file = trie_filter_load('./words.dic'); 
var_dump($file); 
$str1 = '今天利用trie_filter做敏感词过滤示例'; 
$str2 = '今天利用trie_filter做过滤示例'; 
// 检测文本中是否含有词典中定义的敏感词(假设敏感词设定为：‘敏感词’) 
$res1 = trie_filter_search_all($file, $str1);  // 一次把所有的敏感词都检测出来
$res2 = trie_filter_search($file, $str2);// 每次只检测一个敏感词 
var_dump($res1); 
echo "<br/-->"; 
var_dump($res2);
trie_filter_free($file); //最后别忘记调用free

建议使用php 5.3.3以上的版本，我使用的是5.3.3

以上就是利用PHP扩展trie_filter做中文敏感词过滤的内容，更多相关内容请关注PHP中文网（www.php.cn）！

相关文章：

一个高效的敏感词过滤方法(PHP)

php敏感词过滤使用第三方扩展trie_filter

PHP实现过滤留言信息中的敏感词