高效Java实现敏感词过滤算法工具包
2.0版本提供更高效的标点符号的判断跳过过程
旧版请参考本人2011年博文：高效Java敏感词、关键词过滤工具包_过滤非法词句
本文是Java敏感词过滤的原理以及工具包的提供地址，原理：基于多叉树的查找。
第一步：把敏感词读入搜索多叉树中，
树结构：
第二步，对需过滤的句子进行逐字匹配：
比如句子：解放了全中国
1、记录起始位置start=0，读到了“解”，匹配了搜索树中起始节点的的“解”字；
2、继续读入“放”，又匹配了搜索树中的下一节点的“放”字，此时其子节点的isEnd为true，即当前为一敏感词的结束位，则把当前匹配长度2放入临时变量length；
3、继续第2步，直到map中找不到相匹配的字；
4、如果length>0把从start到start+length的字符替换为“*”，从start+length重新开始第1步；
5、如果length=0，从start+1开始第1步。
本算法对纯文本匹配执行效率已改进到：5000字5毫秒（2400敏感词库）
张人杰 2017.7.20
下载地址：点击打开链接
程序已考虑了标点符号间隔的情况，自动处理标点符号间隔的关键词：
支持作者，请打赏：