Java 敏感词检测工具的实现

2024-11-02 10:21 开发作者：一名技术极客

使用步骤

引入 Maven 依赖

引入最新的版本即可，见附录开源地址。

<dependency>
    <groupId>com.github.houbb</groupId>
    <artifactId>sensitive-word</artifactId>
    <version>0.18.0</version>
</dependency>

核心方法使用实例

包含了主要的一些功能和方法，如下所示：

常规用法查找替换；
指定替换字符串；
检测忽略大小写，特殊字符，重复字符，简繁体，中英文等；
自定义替换检测策略示例；

package com.example.demo;

import com.github.houbb.sensitive.word.api.IWordContext;
import com.github.houbb.sensitive.word.api.IWordReplace;
import com.github.houbb.sensitive.word.api.IWordResult;
import com.github.houbb.sensitive.word.bs.SensitiveWordBs;
import com.github.houbb.sensitive.word.core.SensitiveWordHelper;
import com.github.houbb.sensitive.word.support.result.WordResultHandlers;
import com.github.houbb.sensitive.word.utils.InnerWordCharUtils;

import Java.util.List;

public class SensitiveWordTestDemo {

    public static void main(String[] args) {
        //testNormal();
        //testDefineReplace();
        //testSensitiveWordResultHandler();
        //testOtherFeatures();
        testMoreFeatures();
    }

    // 常规使用案例：替换敏感词
    public static void testNormal() {
        final String text = "五星红旗迎风飘扬，毛主席的画像屹立在天安门前。";
        System.out.println("是否包含铭感词：" + SensitiveWordHelper.contains(text));
        System.out.println("查找第一个铭感词：" + SensitiveWordHelper.findFirst(text));
        System.out.println("查找所有铭感词：" + SensitiveWordHelper.findAll(text));

        System.out.println("替换所有铭感词：" + SensitiveWordHelper.replace(text));
        System.out.println("替换所有铭感词(指定替换符号)：" + SensitiveWordHelper.replace(text, '⭐'));
    }

    /**
     * 此案例讲解：IWordResultHandler 可以对敏感词的结果进行处理，允许用户自定义。
     */
    public static void testSensitiveWordResultHandler() {
        final String text = "五星红旗迎风飘扬，毛主席的画像屹立在天安门前。";

        List<String> wordList = SensitiveWordHelper.findAll(text);
        //Assert.assertEquals("[五星红旗, 毛主席, 天安门]", wordList.toString());
        System.out.println("1.查找到所有铭感词：" + wordList);

        List<String> wordList2 = SensitiveWordHelper.findAll(text, WordResultHandlers.word());
        //Assert.assertEquals("[五星红旗, 毛主席, 天安门]", wordList2.toString());
        System.out.println("2.默认内置处理(同直接查找到所有敏感词)：" + wordList2);

        List<IWordResult> wordList3 = SensitiveWordHelper.findAll(text, WordResultHandlers.raw());
        //Assert.assertEquals("[WordResult{startIndex=0, endIndex=4}, WordResult{startIndex=9, endIndex=12}, WordResult{startIndex=18, endIndex=21}]", wordList3.toString());
        System.out.println("3.查找敏感词单词本身的起始位置到终止位置：" + wordList3);
    }

    // 实例：常规忽略检测特性
    public static void testOtherFeatures() {
        System.out.println("\n其他属性\n");
        String text = "fuCK the bad words.";
        String word = SensitiveWordHelper.findFirst(text);
        //Assert.assertEquals("fuCK", word);
        System.out.println("忽略大小写：" + word);
        System.out.println("替换大小写字符：" + SensitiveWordHelper.replace(text));

        text = "ｆｕｃｋ the bad words.";
        word = SensitiveWordHelper.findFirst(text);
        //Assert.assertEquals("ｆｕｃｋ", word);
        System.out.println("忽略半圆角：" + word);
        System.out.println("替换半圆角字符：" + SensitiveWordHelper.replace(text));

        text = "这个是我的微信：9⓿二肆⁹₈③⑸⒋➃㈤㊄";
        List<String> wordList = SensitiveWordBs.newInstance().enableNumCheck(true).init().findAll(text);
        //Assert.assertEquals("[9⓿二肆⁹₈③⑸⒋➃㈤㊄]", wordList.toString());
        System.out.println("忽略数字的写法：" + wordList.toString());
        System.out.println("替换数字字符：" + SensitiveWordBs.newInstance().enableNumCheck(true).init().replace(text));

        text = "我爱我的祖国和五星紅旗。";
        List<String> wordList1 = SensitiveWordHelper.findAll(text);
        //Assert.assertEquals("[五星紅旗]", wordList1.toString());
        System.out.println("检测敏感词简繁体格式是否存在：" + wordList1.toString());

        text = "Ⓕⓤc⒦ the bad words";
        List<String> wordList2 = SensitiveWordHelper.findAll(text);
        //Assert.assertEquals("[Ⓕⓤc⒦]", wordList2.toString());
        System.out.println("检测敏感词是否存在英文的书写格式：" + wordList2.toString());

        text = "ⒻⒻⒻfⓤuⓤ⒰cⓒ⒦ the bad words";
        List<String> wordList3 = SensitiveWordBs.newInstance()
                .ignoreRepeat(true)
                .init()
                .findAll(text);
        //Assert.assertEquals("[ⒻⒻⒻfⓤuⓤ⒰cⓒ⒦]", wordList3.toString());
        System.out.println("检测重复词每个字符是否重复：" + wordList3.toString());
    }

    // 实例：更多检测特性
    public static void testMoreFeatures() {
        // 1.邮箱检测(邮箱等个人信息，默认未启用。)
        String text = "楼主好人，邮箱 sensitiveword@xx.com";
        List<String> wordList = SensitiveWordBs.newInstance().enableEmailCheck(true).init().findAll(text);
        //Assert.assertEquals("[sensitiveword@xx.com]", wordList.toString());
        System.out.println("是否存在邮箱：" + wordList.toString());

      www.devze.com  // 2.连续数字检测(一般用于过滤手机号/QQ等广告信息，默认未启用。)
        text = "你懂得：12345678";
        // 默认检测 8 位
      www.devze.com  List<String> wordList1 = SensitiveWordBs.newInstance()
                .enableNumCheck(true)
                .init().findAll(text);
        //Assert.assertEquals("[12345678]", wordList.toString());
        System.out.println("是否存在连续数字字符串：" + wordList1);
        // 指定数字的长度，避免误杀
        List<String> wordList2 = SensitiveWordBs.newInstance()
                .enableNumCheck(true)
                .numCheckLen(9)
                .init().findAll(text);
        //Assert.assertEquals("[]", wordList2.toString());
        System.out.println("是否存在连续数字字符串2：" + wordList2.toString());

        // 3.网址检测(用于过滤常见的网址信息，默认未启用, v0.18.0 优化 URL 检测，更加严格，降低误判率)
        text = "点击链接 https://www.baidu.com 查看答案";
        SensitiveWordBs sensitiveWordBs = SensitiveWordBs.newInstance().enableUrlCheck(true).init();
        List<String> wordList3 = sensitiveWordBs.findAll(text);
        //Assert.assertEquals("[https://www.baidu.com]", wordList3.toString());
        //Assert.assertEquals("点击链接 ********************* 查看答案", sensitiveWordBs.replace(text));
        System.out.println("是否存在网址信息：" + wordList3.toString());
        System.out.println("是否存在网址信息2并替换：" + sensitiveWordBs.replace(text));

        // 4.IPv4 检测: 避免用户通过 ip 绕过网址检测等，默认未启用。
        text = "个人网站，如果网址打不开可以访问 127.0.0.1。";
        SensitiveWordBs sensitiveWordBs2 = SensitiveWordBs.newInstance().enableIpv4Check(true).init();
        List<String> wordList4 = sensitiveWordBs2.findAll(text);
        //Assert.assertEquals("[127.0.0.1]", wordList4.toString());
        System.out.println("是否存在 IPv4：" + wordList4.toString());
    }

    // 实例：自定义检测替换策略
    public static void testDefineReplace() {
        System.out.println("自定义敏感词替换策略：（策略：指定敏感词替换）");
        final String text = "五星红旗迎风飘扬，毛主席的画像屹立在天安门前。";
        MySensitiveWordReplace replace = new MySensitiveWordReplace();
        String result = SensitiveWordHelper.replace(text, replace);
        System.out.println("自定义替换策略结果：" + result);
    }
}

class MySensitiveWordReplace implements IWordReplace {

    @Override
    public void replace(StringBuilder stringBuilder, char[] chars, IWordResult wordResult, IWordContext iWordContext) {
        String sensitiveWord = InnerWordCharUtils.getString(chars, wordResult);
        // 自定义不同的敏感词替换策略，可以从数据库等地方读取
        if ("五星红旗".equals(sensitiveWord)) {
            stringBuilder.append("国家旗帜");
        } else if ("毛主席".equals(sensitiveWord)) {
            stringBuilder.append("教员");
        } else {
            // 其他默认使用 * 代替
            int wordLength = wordResult.endIndex() - wopythonrdResult.startIndex();
            for (int i = 0; i < wordLength; i++) {
                stringBuilder.append('*');
            }
        }
    }
}

输出结果展示：

是否包含铭感词：true
查找第一个铭感词：五星红旗
查找所有铭感词：[五星红旗, 毛主席, 天安门]
替换所有铭感词：****迎风飘扬，***的画像屹立在***前。
替换所有铭感词(指定替换符号)：⭐⭐⭐⭐迎风飘扬，⭐⭐⭐的画像屹立在⭐⭐⭐前。
自定义敏感词替换策略：（策略：指定敏感词替换）
自定义替换策略结果：国家旗帜迎风飘扬，教员的画像屹立在***前。
1.查找到所有铭感词：[五星红旗, 毛主席, 天安门]
2.默认内置处理(同直接查找到所有敏感词)：[五星红旗, 毛主席, 天安门]
3.查找敏感词单词本身的起始位置到终止位置：[WordResult{startIndex=0, endIndex=4, type='WORD'}, WordResult{startIndex=9, endIndex=12, type='WORD'}, WordResult{startIndex=18, endIndex=21, type='WORD'}]

其他属性

忽略大小写：fuCK
替换大小写字符：**** the bad words.
忽略半圆角：ｆｕｃｋ
替换半圆角字符：**** the bad words.
忽略数字的写法：[9⓿二肆⁹₈③⑸⒋➃㈤㊄]
替换数字字符：这个是我的微信：************
检测敏感词简繁体格式是否存在：[五星紅旗]
检测敏感词是否存在英文的书写格式：[Ⓕⓤc⒦]
检测重复词每个字符是否重复：[ⒻⒻⒻfⓤuⓤ⒰cⓒ⒦]
是否存在邮箱：[sensitiveword@xx.com]
是否存在连续数字字符串：[12345678]
是否存在连续数字字符串2：[]
是否存在网址信息：[https://www.baidu.com]
是否存在网址信息2并替换：点击链接 ********************* 查看答案
是否存在 IPv4：[127.0.0.1]

核心方法：查找 / 替换

Java 敏感词检测工具的实现

更多的检测策略（自定义）

邮箱-网址-IPV4-连续字符检测

// 实例：更多检测特性
public static void testMoreFeatures() {
    // 1.邮箱检测(邮箱等个人信息，默认未启用。)
    String text = "楼主好人，邮箱 sensitiveword@xx.com";
    List<String> wordList = SensitiveWordBs.newInstance().enableEmailCheck(true).init().findAll(text);
    //Assert.assertEquals("[sensitiveword@xx.com]", wordList.toString());
    System.out.println("是否存在邮箱：" + wordList.toString());

    // 2.连续数字检测(一般用于javascript过滤手机号/QQ等广告信息，默认未启用。)
    text = "你懂得：12345678";
    // 默认检测 8 位
    List<String> wordList1 = SensitiveWordBs.newInstance()
        .enableNumCheck(true)
        .init().findAll(text);
    //Assert.assertEquals("[12345678]", wordList.toString());
    System.out.println("是否存在连续数字字符串：" + wordList1);
    // 指定数字的长度，避免误杀
    List<String> wordList2 = SensitiveWordBs.newInstance()
        .enableNumCheck(true)
        .numCheckLen(9)
        .init().findAll(text);
    //Assert.assertEquals("[]", wordList2.toString());
    System.out.println("是否存在连续数字字符串2：" + wordList2.toString());

    // 3.网址检测(用于过滤常见的网址信息，默认未启用, v0.18.0 优化 URL 检测，更加严格，降低误判率)
    text = "点击链接 https://www.baidu.com 查看答案";
    SensitiveWordBs sensitiveWordBs = SensitiveWordBs.newInstance().enableUrlCheck(true).init();
    List<String> wordList3 = sensitiveWordBs.findAll(text);
    //Assert.assertEquals("[https://www.baidu.com]", wordList3.toString());
    //Assert.assertEquals("点击链接 ********************* 查看答案", sensitiveWordBs.replace(text));
    System.out.println("是否存在网址信息：" + wordList3.toString());
    System.out.println("是否存在网址信息2并替换：" + sensitiveWordBs.replace(text));

    // 4.IPv4 检测: 避免用户通过 ip 绕过网址检测等，默认未启用。
    text = "个人网站，如果网址打不开可以访问 127.0.0.1。";
    SensitiveWordBs sensitiveWordBs2 = SensitiveWordBs.newInstance().enableIpv4Check(true).init();
    List<String> wordList4 = sensitiveWordBs2.findAll(text);
    //Assert.assertEquals("[127.0.0.1]", wordList4.toString());
    System.out.println("是否存在 IPv4：" + wordList4.toString());
}

常规检测：大小写-特殊字符-重复字符-简繁体等

// 实例：常规忽略检测特性
public static void testOtherFeatures() {
    System.out.println("\n其他属性\n");
    String text = "fuCK the bad words.";
    String word = SensitiveWordHelper.findFirst(text);
    //Assert.assertEquals("fuCK", word);
    System.out.println("忽略大小写：" + word);
    System.out.println("替换大小写字符：" + SensitiveWordHelper.replace(text));

    text = "ｆｕｃｋ the bad words.";
    word = SensitiveWordHelper.findFirst(text);
    //Assert.assertEquals("ｆｕｃｋ", word);
    System.out.println("忽略半圆角：" + word);
    System.out.println("替换半圆角字符：" + SensitiveWordHelper.replace(text));

    text = "这个是我的微信：9⓿二肆⁹₈③⑸⒋➃㈤㊄";
    List<String> wordList = SensitiveWordBs.newInstance().enableNumCheck(true).init().findAll(text);
    //Assert.assertEquals("[9⓿二肆⁹₈③⑸⒋➃㈤㊄]", wordList.toString());
    System.out.println("忽略数字的写法：" + wordList.toString());
    System.out.println("替换数字字符：" + SensitiveWordBs.newInstance().enableNumCheck(true).init().replace(text));

    text = "我爱我的祖国和五星紅旗。";
    List<String> wordList1 = SensitiveWordHelper.findAll(text);
    //Assert.assertEquals("[五星紅旗]", wordList1.toString());
    System.out.println("检测敏感词简繁体格式是否存在：" + wordList1.toString());

    text = "Ⓕⓤc⒦ the bad words";
    List<String> wordList2 = SensitiveWordHelper.findAll(text);
    //Assert.assertEquals("[Ⓕⓤc⒦]", wordList2.toString());
    System.out.println("检测敏感词是否存在英文的书写格式：" + wordList2.toString());

    text = "ⒻⒻⒻfⓤuⓤ⒰cⓒ⒦ the bad words";
    List<String> wordList3 = SensitiveWordBs.newInstance()
        .ignoreRepeat(true)
        .init()
        .findAll(text);
    //Assert.assertEquals("[ⒻⒻⒻfⓤuⓤ⒰cⓒ⒦]", wordList3.toString());
    System.out.println("检测重复词每个字符是否重复：" + wordList3.toString());
}

自定义检测替换策略

自定义检测替换

class MySensitiveWordReplace implements IWordReplace {

    @Override
    public void replace(StringBuilder stringBuilder, char[] chars, IWordResult wordResult, IWordContext iWordContext) {
        String sensitiveWord = InnerWordCharUtils.getString(chars, wordResult);
        // 自定义不同的敏感词替换策略，可以从数据库等地方读取
        if ("五星红旗".equals(sensitiveWord)) {
            stringBuilder.append("国家旗帜");
        } else if ("毛主席".equals(sensitiveWord)) {
            stringBuilder.append("教员");
        } else {
            // 其他默认使用 * 代替
            int wordLength = wordResult.endIndex() - wordResult.startIndex();
            for (int i = 0; i < wordLength; i++) {
                stringBuilder.append('*');
            }
        }
    }
}

使用实例：

// 实例：自定义检测替换策略
public static void testDefineReplace() {
    System.out.println("自定义敏感词替换策略：（策略：指定敏感词替换）");
    final String text = "五星红旗迎风飘扬，毛主席的画像屹立在天安门前。";
    MySensitiveWordRepla编程客栈ce replace = new MySensitiveWordReplace();
    String result = SensitiveWordHelper.replace(text, replace);
    System.out.println("自定义替换策略结果：" + result);
}

开源地址

https://github.com/houbb/sensitive-word

到此这篇关于Java 敏感词检测工具的实现的文章就介绍到这了,更多相关Java 敏感词检测工具内容请搜索编程客栈(www.devze.com)以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程客栈(www.devze.com)！

继续阅读：Java 敏感词检测 Java 敏感词检测工具

Java 敏感词检测工具的实现

目录

使用步骤

引入 Maven 依赖

核心方法使用实例

核心方法：查找 / 替换

更多的检测策略（自定义）

邮箱-网址-IPV4-连续字符检测

常规检测：大小写-特殊字符-重复字符-简繁体等

自定义检测替换策略

开源地址

更多精彩内容

精彩评论

最新开发

go集成gorm数据库的操作代码

通过client-go来操作K8S集群的操作方法

深入理解Golang中的Protocol Buffers及其应用

C语言定义字符串数组简单代码示例

C#封装将函数封装为接口dll的简单步骤指南

开发排行榜

springboot后端存储富文本内容的思路与步骤(含图片内容)

PyCharm运行python测试,报错“没有发现测试”/“空套件”的解决

return base64.b64encode(b).decode(

基于C语言实现钻石棋游戏的示例代码

Sublime Text 3解决中文乱码问题（实测可用）