佳木斯湛栽影视文化发展公司

主頁 > 知識庫 > Python 敏感詞過濾的實(shí)現(xiàn)示例

Python 敏感詞過濾的實(shí)現(xiàn)示例

熱門標(biāo)簽:美圖手機(jī) 服務(wù)器配置 網(wǎng)站文章發(fā)布 呼叫中心市場需求 銀行業(yè)務(wù) 鐵路電話系統(tǒng) 檢查注冊表項(xiàng) 智能手機(jī)

 一個簡單的實(shí)現(xiàn)

主要是通過循環(huán)和replace的方式進(jìn)行敏感詞的替換

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(寬度優(yōu)先搜索)進(jìn)行實(shí)現(xiàn)

對于搜索查找進(jìn)行了優(yōu)化,對于英語單詞,直接進(jìn)行了按詞索引字典查找。對于其他語言模式,我們采用逐字符查找匹配的一種模式。

BFS:寬度優(yōu)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)進(jìn)行實(shí)現(xiàn)

DFA即Deterministic Finite Automaton,也就是確定有窮自動機(jī)。
使用了嵌套的字典來實(shí)現(xiàn)。

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)

到此這篇關(guān)于Python 敏感詞過濾的實(shí)現(xiàn)示例的文章就介紹到這了,更多相關(guān)Python 敏感詞過濾內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

您可能感興趣的文章:
  • python實(shí)現(xiàn)過濾敏感詞
  • Python實(shí)現(xiàn)敏感詞過濾的4種方法
  • python用類實(shí)現(xiàn)文章敏感詞的過濾方法示例
  • 淺談Python 敏感詞過濾的實(shí)現(xiàn)
  • 利用Python正則表達(dá)式過濾敏感詞的方法
  • Python 實(shí)現(xiàn)王者榮耀中的敏感詞過濾示例
  • python 實(shí)現(xiàn)敏感詞過濾的方法

標(biāo)簽:滄州 樂山 河南 上海 沈陽 新疆 長治 紅河

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《Python 敏感詞過濾的實(shí)現(xiàn)示例》,本文關(guān)鍵詞  ;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請?zhí)峁┫嚓P(guān)信息告之我們,我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。
  • 相關(guān)文章
  • 收縮
    • 微信客服
    • 微信二維碼
    • 電話咨詢

    • 400-1100-266
    萨嘎县| 炎陵县| 台湾省| 镇赉县| 汪清县| 无极县| 乌兰县| 太康县| 教育| 同江市| 大渡口区| 虎林市| 安阳县| 神农架林区| 上杭县| 临高县| 莎车县| 孝义市| 肥东县| 江西省| 平邑县| 凉山| 尼木县| 四川省| 宜都市| 敦化市| 莱西市| 邮箱| 洪湖市| 穆棱市| 三穗县| 温州市| 嘉义县| 六枝特区| 常德市| 苏尼特左旗| 关岭| 基隆市| 巴林左旗| 西乌珠穆沁旗| 大英县|