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="/UploadFiles/2021-04-02/jquery.js">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。
免责声明：本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除！
这一波大模型产业落地浪潮里，不少企业其实处在 “干瞪眼“的状态。
一种情况是，很多大模型产品看得见却摸不着，在台上一个个遥遥领先——今天Sora技精四座，明天英伟达的机器人又赢得满堂彩，可是到了台下一问：啥时候能用上啊？答曰：遥遥无期。
另一种情况是，企业想用上大模型，却又难免瞻前顾后——既要考虑场景融合，又得兼顾安全性，还要考虑打通现有系统，再加上各种部署成本和繁琐的采购流程……最后只能拂袖：罢了，再等等吧。
稳了！魔兽国服回归的3条重磅消息！官宣时间再确认！
昨天有一位朋友在大神群里分享，自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址，com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后，确实是网易的网址，也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情，因为以前都没有出现这样的情况，现在突然提示跳转到国服战网的网址，是不是说明了简体中文客户端已经开始进行更新了呢？