sensitive-word

平时工作中，只要涉及到用户可以自由发言（博客、文档、论坛），就要考虑内容的敏感性处理。

基于 DFA 算法实现的高性能敏感词工具。工具使用 java 实现，帮助我们解决常见的问题。

特性

6W+ 词库，且不断优化更新 基于 DFA 算法，性能较好 基于 fluent-api 实现，使用优雅简洁 支持敏感词的判断、返回、脱敏等常见操作 支持全角半角互换 支持英文大小写互换

快速开始

准备

JDK1.7+ Maven 3.x+

Maven 引入

<dependency>
    <groupId>com.github.houbb</groupId>
    <artifactId>sensitive-word</artifactId>
    <version>0.0.4</version>
</dependency>

api 概览

SensitiveWordBs 作为敏感词的引导类，核心方法如下：

使用实例

所有测试案例参见

判断是否包含敏感词

final String text = "五星红旗迎风飘扬，画像屹立在天安门前。";

Assert.assertTrue(SensitiveWordBs.newInstance().contains(text));

返回第一个敏感词

final String text = "五星红旗迎风飘扬，画像屹立在天安门前。";

String word = SensitiveWordBs.newInstance().findFirst(text);
Assert.assertEquals("五星红旗", word);

返回所有敏感词

final String text = "五星红旗迎风飘扬，画像屹立在天安门前。";

List<String> wordList = SensitiveWordBs.newInstance().findAll(text);
Assert.assertEquals("[五星红旗, 天安门]", wordList.toString());

默认的替换策略

final String text = "五星红旗迎风飘扬，画像屹立在天安门前。";
String result = SensitiveWordBs.newInstance().replace(text);
Assert.assertEquals("****迎风飘扬，画像屹立在***前。", result);

指定替换的内容

final String text = "五星红旗迎风飘扬，画像屹立在天安门前。";
String result = SensitiveWordBs.newInstance().replace(text, 0);
Assert.assertEquals("0000迎风飘扬，画像屹立在000前。", result);

更多特性

后续的诸多特性，主要是针对各种针对各种情况的处理，尽可能的提升敏感词命中率。

这是一场漫长的攻防之战。

忽略大小写

final String text = "fuCK the bad words.";

String word = SensitiveWordBs.newInstance().findFirst(text);
Assert.assertEquals("fuCK", word);

忽略半角圆角

final String text = "ｆｕｃｋ the bad words.";

String word = SensitiveWordBs.newInstance().findFirst(text);
Assert.assertEquals("ｆｕｃｋ", word);

后期 road-map

数字的转换处理 繁简体互换 重复词 停顿词 拼音互换 用户自定义敏感词和白名单 文字镜像翻转 敏感词标签支持

拓展阅读