最近网站需要在评论、投稿等地方过滤敏感词汇，于是在网上查找了相关教程，特此整理分享。
关于DFA算法，详细的可以去http://blog.csdn.net/u013378306/article/details/52764955 看看。
在这纪录下如何配合js验证控件validate来使用它：
首先把工具类导入到项目中：
package com.test.util; import java.io.BufferedReader;
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStreamReader;
import java.util.HashMap;
import java.util.HashSet;
import java.util.Iterator;
import java.util.Map;
import java.util.Set; import org.springframework.stereotype.Component; /**
* Utils - 敏感词
*
* @author test
* @version 3.0
*/
@Component
public class DirtyStringUtil { private static String ENCODING = "UTF-8"; //字符编码 private static String PATH = "/resources/shop/dirtyString/DirtyString.txt"; //你的敏感词汇的文件 我会给大家分享一个我们用的 public static int minMatchTYpe = 1; //最小匹配规则 public static int maxMatchType = 2; //最大匹配规则 @SuppressWarnings("rawtypes")
public static HashMap sensitiveWordMap; static {
try {
sensitiveWordMap = addSensitiveWordToHashMap(StringUtils.sourFolder+PATH);
} catch (Exception e) {
}
} /**
* 读取敏感词库，将敏感词放入HashSet中，构建一个DFA算法模型：<br>
* 中 = {
* isEnd = 0
* 国 = {<br>
* isEnd = 1
* 人 = {isEnd = 0
* 民 = {isEnd = 1}
* }
* 男 = {
* isEnd = 0
* 人 = {
* isEnd = 1
* }
* }
* }
* }
* 五 = {
* isEnd = 0
* 星 = {
* isEnd = 0
* 红 = {
* isEnd = 0
* 旗 = {
* isEnd = 1
* }
* }
* }
* }
* @date 2014年4月20日 下午3:04:20
* @param keyWordSet 敏感词库
* @version 1.0
*/
@SuppressWarnings({ "rawtypes", "unchecked" })
private static HashMap addSensitiveWordToHashMap(String path) {
Set<String> keyWordSet = null; File file = new File(path); //读取文件
InputStreamReader read = null;
try {
read = new InputStreamReader(new FileInputStream(file),ENCODING);
if(file.isFile() && file.exists()){ //文件流是否存在
keyWordSet = new HashSet<String>();
@SuppressWarnings("resource")
BufferedReader bufferedReader = new BufferedReader(read);
String txt = null;
while((txt = bufferedReader.readLine()) != null){ //读取文件，将文件内容放入到set中
keyWordSet.add(txt);
}
}
else{ //不存在抛出异常信息
throw new Exception("敏感词库文件不存在");
}
} catch (Exception e) {
e.printStackTrace();
}finally{
try { //关闭文件流
if (read != null) {
read.close();
}
} catch (IOException e) {
e.printStackTrace();
}
} HashMap sensitiveWordMap = new HashMap(keyWordSet.size()); //初始化敏感词容器，减少扩容操作
String key = null;
Map nowMap = null;
Map<String, String> newWorMap = null;
//迭代keyWordSet
Iterator<String> iterator = keyWordSet.iterator();
while(iterator.hasNext()){
key = iterator.next(); //关键字
nowMap = sensitiveWordMap;
for(int i = 0 ; i < key.length() ; i++){
char keyChar = key.charAt(i); //转换成char型
Object wordMap = nowMap.get(keyChar); //获取 if(wordMap != null){ //如果存在该key，直接赋值
nowMap = (Map) wordMap;
}
else{ //不存在则，则构建一个map，同时将isEnd设置为0，因为他不是最后一个
newWorMap = new HashMap<String,String>();
newWorMap.put("isEnd", "0"); //不是最后一个
nowMap.put(keyChar, newWorMap);
nowMap = newWorMap;
} if(i == key.length() - 1){
nowMap.put("isEnd", "1"); //最后一个
}
}
}
return sensitiveWordMap;
} /**
* 检查文字中是否包含敏感字符，检查规则如下：<br>
* @date 2014年4月20日 下午4:31:03
* @param txt
* @param beginIndex
* @param matchType
* @return，如果存在，则返回敏感词字符的长度，不存在返回0
* @version 1.0
*/
@SuppressWarnings({ "rawtypes"})
public static int CheckSensitiveWord(String txt, Map nowMap, int beginIndex,int matchType){
boolean flag = false; //敏感词结束标识位：用于敏感词只有1位的情况
int matchFlag = 0; //匹配标识数默认为0
char word = 0;
for(int i = beginIndex; i < txt.length() ; i++){
word = txt.charAt(i);
nowMap = (Map) nowMap.get(word); //获取指定key
if(nowMap != null){ //存在，则判断是否为最后一个
matchFlag++; //找到相应key，匹配标识+1
if("1".equals(nowMap.get("isEnd"))){ //如果为最后一个匹配规则,结束循环，返回匹配标识数
flag = true; //结束标志位为true
if(minMatchTYpe == matchType){ //最小规则，直接返回,最大规则还需继续查找
break;
}
}
}
else{ //不存在，直接返回
break;
}
}
if(matchFlag < 2 || !flag){ //长度必须大于等于1，为词
matchFlag = 0;
}
return matchFlag;
} /**
* 判断文字是否包含敏感字符
* @date 2014年4月20日 下午4:28:30
* @param path 敏感词库文件路径
* @param txt 文字
* @param matchType 匹配规则 1：最小匹配规则，2：最大匹配规则
* @return 若包含返回true，否则返回false
* @version 1.0
*/
public static boolean isContaintSensitiveWord(String txt, int matchType){
boolean flag = false;
for(int i = 0 ; i < txt.length() ; i++){
int matchFlag = CheckSensitiveWord(txt, sensitiveWordMap, i, matchType); //判断是否包含敏感字符
if(matchFlag > 0){ //大于0存在，返回true
flag = true;
}
}
return flag;
} }
PATH 的路径就是你把敏感词汇那个文档放到的那个路径，这个是我们用的文档：http://pan.baidu.com/s/1o8uD2yQ
然后是验证相关的代码（content就是要验证的那个内容）:
$inputForm.validate({
focusCleanup: true,
rules: {
title: "required",//标题不为空
linkName: "required", //名字不为空
linkPhone: {//验证手机
required: true,
pattern: /^((0\d{2,3}-\d{7,8})|(1[34578]\d{9}))$/,
},
content:{
remote: {//此处就是验证是否饱含敏感词汇的 把这个地址替换成你的controller
url: "${base}/dirtyString/check_dirtyString.jhtml"
}
}
},
messages: {
content: {
remote: "含敏感词汇，请修改后重新发布"
}
}remote的url处就是验证是否饱含敏感词汇的， 把这个地址替换成你的controller。
然后就是我们controller的代码：
package com.test.controller.shop; import org.apache.commons.lang.StringUtils;
import org.springframework.stereotype.Controller;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestMethod;
import org.springframework.web.bind.annotation.ResponseBody; import com.nbcyl.util.DirtyStringUtil; @Controller("dirtyStringController")
@RequestMapping("/dirtyString")
public class DirtyStringController { /**
* 检查内容是否包含敏感词语
*/
@RequestMapping(value = "/check_dirtyString", method = RequestMethod.GET)
public @ResponseBody
boolean checkDirtyString(String content) {
if (StringUtils.isEmpty(content)) {
return false;
}
//去除中英文空格 然后调用工具类判断 是否饱含 敏感词
String lastContent = content.replaceAll("\\s", "").replaceAll(" ", "");
if (DirtyStringUtil.isContaintSensitiveWord(lastContent, 2)) {
return false;
} else {
return true;
}
}
}
OK，到这基本上就可以啦，当你的页面触发了validate时，就会提示那个message里设置的文字了！