DFA算法，高效實(shí)現(xiàn)敏感詞檢測與替換！
作者：JAVA新視界
DFA算法在替換敏感字領(lǐng)域具有廣泛的應(yīng)用，為網(wǎng)絡(luò)社區(qū)、金融機(jī)構(gòu)、政府和其他領(lǐng)域提供了一種強(qiáng)大工具，用于過濾和替換敏感信息，維護(hù)社會秩序，保護(hù)用戶的隱私，以及確?；ヂ?lián)網(wǎng)上的安全和和諧。隨著技術(shù)的不斷發(fā)展，DFA算法將繼續(xù)發(fā)揮重要作用，以適應(yīng)不斷變化的需求和挑戰(zhàn)。
在信息爆炸的時(shí)代，網(wǎng)絡(luò)上充斥著大量的敏感信息，可能會產(chǎn)生很多的負(fù)面影響。為了應(yīng)對這一挑戰(zhàn)，一直在尋求有效的方式來替換或過濾掉敏感字詞，而Java DFA（Deterministic Finite Automaton）算法正是在這方面發(fā)揮著關(guān)鍵作用。
什么是DFA算法？
DFA即Deterministic Finite Automaton，是一種有窮自動機(jī)，通常用于處理字符串匹配問題。在Java中，DFA算法用于搜索和替換文本中的特定模式，如敏感字詞或關(guān)鍵詞。DFA算法通過將文本逐字符逐字符地與事先定義好的敏感字列表進(jìn)行比較，從而快速而高效地檢測和替換敏感字。
Java DFA算法的工作原理
DFA算法基于狀態(tài)轉(zhuǎn)移。它首先構(gòu)建一個(gè)狀態(tài)轉(zhuǎn)移圖，其中每個(gè)狀態(tài)代表算法在處理字符串時(shí)的狀態(tài)。然后，算法從輸入文本的開頭開始，根據(jù)當(dāng)前字符和當(dāng)前狀態(tài)，查找下一個(gè)狀態(tài)，并根據(jù)狀態(tài)的不同采取不同的操作。當(dāng)輸入文本中的字符被處理完畢時(shí)，算法會得到一個(gè)已替換敏感字的文本或者是否包含敏感詞的一個(gè)狀態(tài)。
例如替換文本中的敏感詞：
文本：Java新視界，為你開啟Java世界的大門。實(shí)用技巧，深度解析，讓Java更簡單，更強(qiáng)大！一起攀登Java技術(shù)高峰，實(shí)現(xiàn)編程夢想！
敏感詞列表：["新視界", "新視野", "技術(shù)", "技術(shù)高峰", "編程夢想", "實(shí)現(xiàn)夢想"]基于敏感詞，構(gòu)建森林：
基于森林，構(gòu)建JSON對象：
{
"技":{
"isEnd":"0",
"術(shù)":{
"高":{
"峰":{
"isEnd":"1"
},
"isEnd":"0"
},
"isEnd":"1"
}
},
"新":{
"isEnd":"0",
"視":{
"界":{
"isEnd":"1"
},
"isEnd":"0",
"野":{
"isEnd":"1"
}
}
},
"編":{
"isEnd":"0",
"程":{
"isEnd":"0",
"夢":{
"isEnd":"0",
"想":{
"isEnd":"1"
}
}
}
},
"實(shí)":{
"現(xiàn)":{
"isEnd":"0",
"夢":{
"isEnd":"0",
"想":{
"isEnd":"1"
}
}
},
"isEnd":"0"
}
}DFA算法實(shí)現(xiàn)
mport java.util.*;
/**
* 敏感詞處理工具 - DFA算法實(shí)現(xiàn)
* @author Java新視界
* @modifier Java新視界
* @date 2023/10/25 16:58
*/
public class SensitiveWordUtil {
/**
* 敏感詞匹配規(guī)則
*/
public static final int MIN_MATCH_TYPE = 1; //最小匹配規(guī)則，如：敏感詞庫["新視界","視界"]，語句："Java新視界"，匹配結(jié)果：Java新[視界]
public static final int MAX_MATCH_TYPE = 2; //最大匹配規(guī)則，如：敏感詞庫["新視界","視界"]，語句："Java新視界"，匹配結(jié)果：Java[新視界]
private static Map<String, Object> initSensitiveWordMap(Set<String> sensitiveWordSet) {
Map<String, Object> map = new HashMap(Math.max((int) (sensitiveWordSet.size() / .75f) + 1, 16)); //初始化敏感詞容器，減少擴(kuò)容操作
for (String aKeyWordSet : sensitiveWordSet) { //迭代keyWordSet
Map nowMap = map;
for (int i = 0; i < aKeyWordSet.length(); i++) {
char keyChar = aKeyWordSet.charAt(i);
Object wordMap = nowMap.get(keyChar);
if (wordMap != null) {
nowMap = (Map) wordMap; //如果存在該key，直接賦值
} else { //不存在則，則構(gòu)建一個(gè)map，同時(shí)將isEnd設(shè)置為0
Map<String, String> newWorMap = new HashMap<>(3);
newWorMap.put("isEnd", "0");
nowMap.put(keyChar, newWorMap);
nowMap = newWorMap;
}
if (i == aKeyWordSet.length() - 1) {//判斷最后一個(gè)
nowMap.put("isEnd", "1");
}
}
}
return map;
}
public static Set<String> getSensitiveWord(Set<String> sensitiveWordSet,String txt, int matchType) {
Set<String> sensitiveWordList = new HashSet<>();
Map<String, Object> map = initSensitiveWordMap(sensitiveWordSet);
for (int i = 0; i < txt.length(); i++) { //判斷是否包含敏感字符
int length = checkSensitiveWord(map,txt, i, matchType);
if (length > 0) { //存在,加入list中
sensitiveWordList.add(txt.substring(i, i + length));
i = i + length - 1; //減1的原因，是因?yàn)閒or會自增
}
}
return sensitiveWordList;
}
public static String replaceSensitiveWord(Set<String> sensitiveWordSet, String txt, char replaceChar, int matchType) {
String resultTxt = txt;
//獲取所有的敏感詞
Set<String> set = getSensitiveWord(sensitiveWordSet,txt, matchType);
Iterator<String> iterator = set.iterator();
String word;
String replaceString;
while (iterator.hasNext()) {
word = iterator.next();
replaceString = getReplaceChars(replaceChar, word.length());
resultTxt = resultTxt.replaceAll(word, replaceString);
}
return resultTxt;
}
public static String replaceSensitiveWord(Set<String> sensitiveWordSet, String txt, String replaceStr, int matchType) {
String resultTxt = txt;
//獲取所有的敏感詞
Set<String> set = getSensitiveWord(sensitiveWordSet,txt, matchType);
Iterator<String> iterator = set.iterator();
String word;
while (iterator.hasNext()) {
word = iterator.next();
resultTxt = resultTxt.replaceAll(word, replaceStr);
}
return resultTxt;
}
private static String getReplaceChars(char replaceChar, int length) {
String resultReplace = String.valueOf(replaceChar);
for (int i = 1; i < length; i++) {
resultReplace += replaceChar;
}
return resultReplace;
}
private static int checkSensitiveWord(Map<String, Object> nowMap, String txt, int beginIndex, int matchType) {
boolean flag = false;
int matchFlag = 0;
char word;
for (int i = beginIndex; i < txt.length(); i++) {
word = txt.charAt(i);
//獲取指定key
nowMap = (Map<String, Object>) nowMap.get(word);
if (nowMap != null) { //存在，則判斷是否為最后一個(gè)
matchFlag++; //找到相應(yīng)key，匹配標(biāo)識+1
//如果為最后一個(gè)匹配規(guī)則,結(jié)束循環(huán)，返回匹配標(biāo)識數(shù)
if ("1".equals(nowMap.get("isEnd"))) {
flag = true; //結(jié)束標(biāo)志位為true
//最小規(guī)則，直接返回,最大規(guī)則還需繼續(xù)查找
if (MIN_MATCH_TYPE == matchType) {
break;
}
}
} else { //不存在，直接返回
break;
}
}
if (matchFlag < 2 || !flag) { //長度必須大于等于1，為詞
matchFlag = 0;
}
return matchFlag;
}
}DFA算法測試
public static void main(String[] args) {
Set<String> sensitiveWordSet = new HashSet<>(Arrays.asList("新視界", "新視野","技術(shù)", "技術(shù)高峰", "編程夢想", "實(shí)現(xiàn)夢想"));
String string = "Java新視界，為你開啟Java世界的大門。實(shí)用技巧，深度解析，讓Java更簡單，更強(qiáng)大！一起攀登Java技術(shù)高峰，實(shí)現(xiàn)編程夢想！";
//獲取語句中的敏感詞
Set<String> set = SensitiveWordUtil.getSensitiveWord(sensitiveWordSet,string, SensitiveWordUtil.MAX_MATCH_TYPE);
System.out.println("語句中 包含敏感詞的個(gè)數(shù)為：" + set.size() + "。包含：" + set);
set = SensitiveWordUtil.getSensitiveWord(sensitiveWordSet,string, SensitiveWordUtil.MIN_MATCH_TYPE);
System.out.println("語句中 包含敏感詞的個(gè)數(shù)為：" + set.size() + "。包含：" + set);
//替換語句中的敏感詞
String filterStr = SensitiveWordUtil.replaceSensitiveWord(sensitiveWordSet,string, '*', SensitiveWordUtil.MAX_MATCH_TYPE);
System.out.println(filterStr);
filterStr = SensitiveWordUtil.replaceSensitiveWord(sensitiveWordSet,string, '*', SensitiveWordUtil.MIN_MATCH_TYPE);
System.out.println(filterStr);
}運(yùn)行結(jié)果：
DFA算法在替換敏感字領(lǐng)域的應(yīng)用
- 言論過濾：社交媒體平臺和在線論壇經(jīng)常使用Java DFA算法來檢測和替換敏感字。這有助于維護(hù)社區(qū)的友好環(huán)境，減少網(wǎng)絡(luò)欺凌和不當(dāng)言論。
- 敏感信息過濾：在金融領(lǐng)域，DFA算法可以用于檢測和替換敏感信息，如銀行賬號、信用卡號和社保號。這有助于確保用戶的隱私和數(shù)據(jù)安全。
- 兒童保護(hù)：兒童在線安全是一個(gè)重要問題。DFA算法可以用于過濾兒童不適宜的內(nèi)容，確保他們在互聯(lián)網(wǎng)上的安全體驗(yàn)。
- 政治和宗教領(lǐng)域：政府和宗教組織也使用DFA算法來檢測和替換具有沖突性的言論，以維護(hù)社會和諧。
優(yōu)勢與挑戰(zhàn)
優(yōu)勢：
- 高效性：DFA算法能夠快速處理大量的文本數(shù)據(jù)，使其在實(shí)時(shí)應(yīng)用中具有優(yōu)勢。
- 可擴(kuò)展性：可以根據(jù)需要輕松擴(kuò)展敏感字詞列表。
- 精確性：算法的確定性保證了替換的準(zhǔn)確性。
挑戰(zhàn)：
- 敏感字庫維護(hù)：需要不斷更新和維護(hù)敏感字庫，以適應(yīng)新出現(xiàn)的敏感詞匯。
- 多語言支持：不同語言的敏感字替換需要額外的處理。
- 性能優(yōu)化：隨著輸入文本長度的增加，算法的性能可能會下降。
總的來說，DFA算法在替換敏感字領(lǐng)域具有廣泛的應(yīng)用，為網(wǎng)絡(luò)社區(qū)、金融機(jī)構(gòu)、政府和其他領(lǐng)域提供了一種強(qiáng)大工具，用于過濾和替換敏感信息，維護(hù)社會秩序，保護(hù)用戶的隱私，以及確?；ヂ?lián)網(wǎng)上的安全和和諧。隨著技術(shù)的不斷發(fā)展，DFA算法將繼續(xù)發(fā)揮重要作用，以適應(yīng)不斷變化的需求和挑戰(zhàn)。
責(zé)任編輯：姜華
來源：
今日頭條
