敏感词过滤

网站在输入问题或者问题内容的时候为了避免有些人打广告，或者发表一些不当言论，我们需要增加敏感词过滤这个功能。

现在一般的网站的敏感词过滤都是用前缀树实现的，那么前缀树是什么呢？（自问自答- -）

字典树又称前缀树，Trie树，是一种树形结构，是一种哈希树的变种。典型应用是用于统计，排序和保存大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计。
优点是：利用字符串的公共前缀来减少查询时间，最大限度地减少无谓的字符串比较，查询效率比哈希树高
下面是我画的前缀树的一个图
可以看到一个节点中需要包含一个字符和下一个节点的连接，这样的话我们就可以用一个hashmap来保存我们需要的信息，当然，既然是敏感词的前缀树，就需要添加字符、设置敏感词结尾、判断结尾、获取下一个节点的功能

一个敏感词过滤器的组成：
1、定义前缀树
2、根据敏感词，初始化前缀树
3、编写过滤敏感词的方法

1、定义前缀树

    private class TrieNode {

        //关键词结束标志
        private boolean isKeywordEnd = false;

        //子节点(key是下级字符，value是下级节点)
        private Map<Character, TrieNode> subNodes = new HashMap<>();

        public boolean isKeywordEnd() {
            return isKeywordEnd;
        }

        public void setKeywordEnd(boolean keywordEnd) {
            isKeywordEnd = keywordEnd;
        }

        //添加子节点
        public void addSubNode(Character c, TrieNode node) {
            subNodes.put(c, node);
        }

        //获取子节点
        public TrieNode getSubNode(Character c) {
            return subNodes.get(c);
        }
    }

2、初始化前缀树

//被@PostConstruct修饰的方***在服务器加载Servlet的时候运行，并且只会被服务器执行一次。
//@PostConstruct在构造函数之后执行，init（）方法之前执行
@PostConstruct
    public void init() {
        try (
                InputStream is = this.getClass().getClassLoader().getResourceAsStream("sensitive-words.txt");
                BufferedReader reader = new BufferedReader(new InputStreamReader(is));
        ) {
            String keyword;
            while ((keyword = reader.readLine()) != null) {
                //添加到前缀树
                this.addKeyword(keyword);
            }
        } catch (Exception e) {
            logger.error("加载敏感词文件失败：" + e.getMessage());
        }
    }

    //将敏感词添加到前缀树中
    private void addKeyword(String keyword) {
        TrieNode tempNode = rootNode;
        for (int i = 0; i < keyword.length(); i++) {
            char c = keyword.charAt(i);
            TrieNode subNode = tempNode.getSubNode(c);

            if (subNode == null) {
                //初始化子节点
                subNode = new TrieNode();
                tempNode.addSubNode(c, subNode);
            }

            //指向子节点，进入下一轮循环
            tempNode = subNode;

            //设置结束标识
            if (i == keyword.length() - 1) {
                tempNode.setKeywordEnd(true);
            }
        }
    }

关键功能：敏感词过滤

关键的部分来了：
定义三个指针，将两个指针a、p指向文本开头，另一个指针temp指向前缀树的根节点
获取p指针指向的字符，在前缀树中获取到该节点，
1）并判断其是否为空，如果为空则不包含这个字符，p后移、a也后移
2）如果不为空且不是敏感词结尾，p++，继续上面的判断
3）如果为空且是敏感词结尾，将这一段的文本替换掉，p后移，a随着p后移继续判断，直到文本结束

3、实现过滤算法

public String filter(String text) {
        if (StringUtils.isBlank(text)) {
            return null;
        }

        //指针1
        TrieNode tempNode = rootNode;
        //指针2
        int begin = 0;
        //指针3
        int position = 0;
        //结果
        StringBuilder sb = new StringBuilder();

        while (position < text.length()) {
            char c = text.charAt(position);

            //跳过符号
            if (isSymbol(c)) {
                //若指针1处于根节点，将此符号计入计入结果，让指针2向下走一步
                if (tempNode == rootNode) {
                    sb.append(c);
                    begin++;
                }
                //无论符号在开头还是中间，指针3都向下走一步
                position++;
                continue;
            }

            //检查下级节点
            tempNode = tempNode.getSubNode(c);
            if (tempNode == null) {
                //以begin开头的字符串不是敏感词
                sb.append(text.charAt(begin));
                //进入下一位置
                position = ++begin;
                //重新指向根节点
                tempNode = rootNode;
            } else if (tempNode.isKeywordEnd()) {
                //发现敏感词，将begin-position字符串替换掉
                sb.append(REPLACEMENT);
                //进入下一位置
                begin = ++position;
                //重新指向根节点
                tempNode = rootNode;
            } else {
                //检查下一字符
                position++;
            }

        }

        //最后一批字符计入结果
        sb.append(text.substring(begin));

        return sb.toString();
    }

    //判断是否为符号
    private boolean isSymbol(Character c) {
        return !CharUtils.isAsciiAlphanumeric(c) && (c < 0x2E80 || c > 0x9FFF);
    }