浅谈Python 敏感词过滤的实现
作者:xiabe 时间:2022-12-11 07:47:17
一个简单的实现
class NaiveFilter():
'''Filter Messages from keywords
very simple filter implementation
>>> f = NaiveFilter()
>>> f.add("sexy")
>>> f.filter("hello sexy baby")
hello **** baby
'''
def __init__(self):
self.keywords = set([])
def parse(self, path):
for keyword in open(path):
self.keywords.add(keyword.strip().decode('utf-8').lower())
def filter(self, message, repl="*"):
message = str(message).lower()
for kw in self.keywords:
message = message.replace(kw, repl)
return message
其中strip() 函数 删除附近的一些空格,解码采用utf-8的形式,然后将其转为小写。
parse()函数就是打开文件,然后从中取各个关键词,然后将其存在关键词集合中。
filter()函数是一个过滤器函数,其中将消息转化为小写,然后将关键词替换成*。、
class BSFilter:
'''Filter Messages from keywords
Use Back Sorted Mapping to reduce replacement times
>>> f = BSFilter()
>>> f.add("sexy")
>>> f.filter("hello sexy baby")
hello **** baby
'''
def __init__(self):
self.keywords = []
self.kwsets = set([])
self.bsdict = defaultdict(set)
self.pat_en = re.compile(r'^[0-9a-zA-Z]+$') # english phrase or not
def add(self, keyword):
if not isinstance(keyword, str):
keyword = keyword.decode('utf-8')
keyword = keyword.lower()
if keyword not in self.kwsets:
self.keywords.append(keyword)
self.kwsets.add(keyword)
index = len(self.keywords) - 1
for word in keyword.split():
if self.pat_en.search(word):
self.bsdict[word].add(index)
else:
for char in word:
self.bsdict[char].add(index)
def parse(self, path):
with open(path, "r") as f:
for keyword in f:
self.add(keyword.strip())
def filter(self, message, repl="*"):
if not isinstance(message, str):
message = message.decode('utf-8')
message = message.lower()
for word in message.split():
if self.pat_en.search(word):
for index in self.bsdict[word]:
message = message.replace(self.keywords[index], repl)
else:
for char in word:
for index in self.bsdict[char]:
message = message.replace(self.keywords[index], repl)
return message
在上面的实现例子中,对于搜索查找进行了优化,对于英语单词,直接进行了按词索引字典查找。对于其他语言模式,我们采用逐字符查找匹配的一种模式。
BFS:宽度优先搜索方式。
class DFAFilter():
'''Filter Messages from keywords
Use DFA to keep algorithm perform constantly
>>> f = DFAFilter()
>>> f.add("sexy")
>>> f.filter("hello sexy baby")
hello **** baby
'''
def __init__(self):
self.keyword_chains = {}
self.delimit = '\x00'
def add(self, keyword):
if not isinstance(keyword, str):
keyword = keyword.decode('utf-8')
keyword = keyword.lower()
chars = keyword.strip()
if not chars:
return
level = self.keyword_chains
for i in range(len(chars)):
if chars[i] in level:
level = level[chars[i]]
else:
if not isinstance(level, dict):
break
for j in range(i, len(chars)):
level[chars[j]] = {}
last_level, last_char = level, chars[j]
level = level[chars[j]]
last_level[last_char] = {self.delimit: 0}
break
if i == len(chars) - 1:
level[self.delimit] = 0
def parse(self, path):
with open(path,encoding='UTF-8') as f:
for keyword in f:
self.add(keyword.strip())
def filter(self, message, repl="*"):
if not isinstance(message, str):
message = message.decode('utf-8')
message = message.lower()
ret = []
start = 0
while start < len(message):
level = self.keyword_chains
step_ins = 0
for char in message[start:]:
if char in level:
step_ins += 1
if self.delimit not in level[char]:
level = level[char]
else:
ret.append(repl * step_ins)
start += step_ins - 1
break
else:
ret.append(message[start])
break
else:
ret.append(message[start])
start += 1
return ''.join(ret)
DFA即Deterministic Finite Automaton,也就是确定有穷自动机。
使用了嵌套的字典来实现。
参考
Github:敏感词过滤系统
来源:https://blog.csdn.net/xiabenshu/article/details/91050331
标签:Python,敏感词,过滤
0
投稿
猜你喜欢
python判断、获取一张图片主色调的2个实例
2022-07-26 18:27:00
Python计算机视觉里的IOU计算实例
2021-12-07 18:15:10
Jmail发信的实例,模块化随时调用
2007-09-27 13:35:00
javascript函数作用域学习示例(js作用域)
2024-04-17 10:10:29
python 中的jieba分词库
2023-08-10 01:26:30
Python issubclass和isinstance函数的具体使用
2021-08-22 01:39:06
Javascript解决常见浏览器兼容问题的12种方法
2024-04-10 10:47:43
Python解析pcap文件示例
2023-05-16 00:08:45
CSS关于Border你可能会不注意的东西
2007-10-20 13:50:00
python推导式的使用方法实例
2021-03-13 09:38:25
JavaScript插件化开发教程 (一)
2024-04-26 17:13:07
深入分析Mysql中limit的用法
2024-01-20 12:56:08
Java实现学生信息管理系统(使用数据库)
2024-01-25 11:22:03
卷积神经网络经典模型及其改进点学习汇总
2023-07-22 22:15:19
vue实现全选、反选功能
2024-04-09 10:58:43
python创建关联数组(字典)的方法
2021-11-22 06:51:18
pandas数据框,统计某列数据对应的个数方法
2023-08-12 11:39:39
layer ui 导入文件之前传入数据的实例
2023-08-15 11:39:17
js利用递归与promise 按顺序请求数据的方法
2024-06-05 09:34:58
vue使用canvas绘制圆环
2024-05-02 17:04:29