新闻动态

Python 敏感词过滤的实现示例

发布日期:2022-02-01 13:09 | 文章来源:gibhub

一个简单的实现

主要是通过循环和replace的方式进行敏感词的替换

class NaiveFilter():
 '''Filter Messages from keywords
 very simple filter implementation
 >>> f = NaiveFilter()
 >>> f.parse("filepath")
 >>> 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

使用BSF(宽度优先搜索)进行实现

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 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

使用DFA(Deterministic Finite Automaton)进行实现

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。

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 - 1break
 else:
  ret.append(message[start])
  break
else:
 ret.append(message[start])
start += 1
  return ''.join(ret)

到此这篇关于Python 敏感词过滤的实现示例的文章就介绍到这了,更多相关Python 敏感词过滤内容请搜索本站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本站!

海外服务器租用

版权声明:本站文章来源标注为YINGSOO的内容版权均为本站所有,欢迎引用、转载,请保持原文完整并注明来源及原文链接。禁止复制或仿造本网站,禁止在非www.yingsoo.com所属的服务器上建立镜像,否则将依法追究法律责任。本站部分内容来源于网友推荐、互联网收集整理而来,仅供学习参考,不代表本站立场,如有内容涉嫌侵权,请联系alex-e#qq.com处理。

相关文章

实时开通

自选配置、实时开通

免备案

全球线路精选!

全天候客户服务

7x24全年不间断在线

专属顾问服务

1对1客户咨询顾问

在线
客服

在线客服:7*24小时在线

客服
热线

400-630-3752
7*24小时客服服务热线

关注
微信

关注官方微信
顶部