通過Java語(yǔ)言實(shí)現(xiàn)敏感詞過濾器軟件的設(shè)計(jì)

良好的網(wǎng)絡(luò)文化對(duì)培養(yǎng)青少年的愛國(guó)意識(shí)、創(chuàng)新精神、促進(jìn)青少年良好的個(gè)性發(fā)展以及文化學(xué)習(xí)等方面都有積極的作用。但是網(wǎng)絡(luò)文化中混雜著種種不良因素，對(duì)青少年造成許多負(fù)面影響：網(wǎng)絡(luò)中的不健康內(nèi)容不利于青少年的成長(zhǎng)，甚至造成許多青少年犯罪行為的不斷發(fā)生；網(wǎng)絡(luò)世界的虛擬性還會(huì)造成青少年對(duì)現(xiàn)實(shí)社會(huì)的不滿，青少年對(duì)網(wǎng)絡(luò)世界的過分迷戀會(huì)導(dǎo)致網(wǎng)絡(luò)孤獨(dú)，網(wǎng)絡(luò)中多元化的內(nèi)容會(huì)導(dǎo)致青少年認(rèn)識(shí)偏差，網(wǎng)絡(luò)的隱匿性容易使青少年道德弱化[1].特別令人擔(dān)憂的是不良的網(wǎng)絡(luò)文化對(duì)青少年的犯罪起著推動(dòng)作用，值得全社會(huì)關(guān)注和重視。

本文提出了一種敏感詞過濾器軟件的設(shè)計(jì)，對(duì)網(wǎng)絡(luò)中不良的內(nèi)容進(jìn)行查找、發(fā)現(xiàn)，避免這些不良網(wǎng)絡(luò)文化侵蝕青少年的心靈健康。

1 敏感詞過濾器的設(shè)計(jì)原理

敏感詞過濾器的原理圖如圖1所示。其原理如下：（1）對(duì)敏感詞庫(kù)的內(nèi)容進(jìn)行分割，把敏感詞庫(kù)中所有的敏感詞或詞組分開，并把這些敏感詞或詞組存入數(shù)組中；（2）將待測(cè)文件庫(kù)中的文件進(jìn)行逐個(gè)讀取，并記錄文件的內(nèi)容；（3）在待測(cè)文件中查找是否存在剛存放敏感詞或臟詞組內(nèi)容的數(shù)組里面的內(nèi)容，如果有，進(jìn)行標(biāo)注等操作；如果沒有，繼續(xù)檢查待測(cè)文件庫(kù)中的下一個(gè)待測(cè)文件，直到待測(cè)文件庫(kù)中的待測(cè)文件都被檢查完為止；（4）輸出結(jié)果。即輸出待測(cè)文件庫(kù)中每個(gè)待測(cè)文件中包含敏感詞或臟詞組的個(gè)數(shù)及出處等信息。

2 算法實(shí)現(xiàn)

軟件開發(fā)環(huán)境：myeclipse平臺(tái)，Java語(yǔ)言。首先以myeclipse平臺(tái)新建一個(gè)java project,在新建的project中需要導(dǎo)入下面相關(guān)文件：

import java.io.BufferedReader;

import java.io.File;

import java.io.FileNotFoundException;

import java.io.FileReader;

import java.io.IOException;

import java.io.InputStreamReader;

import java.util.StringTokenizer;

過濾器軟件中main函數(shù)的主要內(nèi)容如下：

public static void main（String[] args） {

BufferedReader br=new BufferedReader（new InputStreamReader（System.in））；

String ans=null;

int cnt=0;//字庫(kù)中關(guān)鍵詞個(gè)數(shù)

int number=0;//敏感詞出現(xiàn)次數(shù)

String filepath=“D:\\敏感詞待測(cè)文件庫(kù)”;

//待檢測(cè)文件路徑，此文件夾下可以放若干個(gè)待檢測(cè)的文件

String fileLibrarypath=“D:\\敏感詞典\\file.txt”;

//敏感詞庫(kù)文件的存放路徑

File file = new File（filepath）；

try {

//讀入用戶輸入的回車鍵信息

System.out.println（“請(qǐng)按回車鍵，查看過濾信息：”）；

String str = null;

str = br.readLine（）；

if （str != null） {

if （！file.isDirectory（）） {

System.out.println（“待檢測(cè)文件路徑

不對(duì)，請(qǐng)修改路徑?！保?/p>

} else if （file.isDirectory（）） {

ans=getcontent（fileLibrarypath）；

int k;

StringTokenizer sst=new

StringTokenizer（ans, “|”）；

k = sst.countTokens（）；

String[] record = new String[k];

while （sst.hasMoreElements（）） {

record[cnt] = sst.nextToken（）；

cnt++;

}

String[] filelist = file.list（）；

for （int i = 0, flen = filelist.length; i

< flen; i++）{

String temp = filepath +

“\\” + filelist[i];

number = searchkeyword（record,

cnt, temp）；

System.out.println（“第”+（i+1） +“文件中敏感詞出現(xiàn)的次數(shù)：” + number）；

//字庫(kù)中關(guān)鍵詞個(gè)數(shù)

}

} else {

//提示用戶按回車鍵

System.out.println（“你還沒有輸入回

車鍵信息”）；

}

}

} catch （IOException e） {

e.printStackTrace（）；

}

//輸出查詢結(jié)果

if （ans != null） {

System.out.println（“字庫(kù)中關(guān)鍵詞個(gè)數(shù)：”+ cnt）；//字庫(kù)中關(guān)鍵詞個(gè)數(shù)

System.out.println（“敏感詞庫(kù)內(nèi)容如下：”+ ans）；

} else {

System.out.println（“沒有可以匹配的信息”）；

//輸出敏感詞庫(kù)中的內(nèi)容

}

}

//得到指定路徑文件中的內(nèi)容

private static String getcontent（String filepath） {

String all = “”;

File file = new File（filepath）；

try {

if （！file.isFile（）） {

System.out.println（“文件路徑不對(duì)，請(qǐng)修改路徑”）；

} else {

File readfile = new File（filepath）；

BufferedReader br = new BufferedReader（new FileReader（readfile））；

String ss = br.readLine（）；

while （ss != null） {

all = all + ss;

//all中存放讀取的文件內(nèi)容信息

ss = br.readLine（）；

}

}

} catch （FileNotFoundException e） {

e.printStackTrace（）；

} catch （IOException e） {

e.printStackTrace（）；

}

return all;

}

//在待測(cè)文件中匹配敏感詞出現(xiàn)的次數(shù)

private static int searchkeyword（String[] str, int cnt, String filepath）{

int number = 0;

String s = “”;

s = getcontent（filepath）；

for （int i = 0; i < cnt; i++） {

if （s.indexOf（str[i]） > -1） {

number++;

}

}

return number;

}

至此，完成了敏感詞過濾器軟件代碼的編寫工作，接下來(lái)可以進(jìn)行run操作，即可以得到待測(cè)文件庫(kù)中的待測(cè)文件包含敏感詞次數(shù)及出處等相關(guān)信息的結(jié)果。

3 實(shí)驗(yàn)結(jié)果分析

敏感詞庫(kù)的存放路徑：D:\敏感詞典\file.txt;敏感詞庫(kù)文件中的內(nèi)容略。

待測(cè)文件庫(kù)的存放路徑：D:\敏感詞待測(cè)文件庫(kù)；文件庫(kù)中存放了三個(gè)文件，分別為：test1.txt、test2.txt、test3.txt.

運(yùn)行該過濾器軟件后，得出的檢測(cè)結(jié)果如圖2所示。

由圖可以看到把待測(cè)文件中敏感詞及臟詞組出現(xiàn)的次數(shù)全部顯示出來(lái)，結(jié)果與實(shí)際情況完全一致。

本文設(shè)計(jì)的敏感詞過濾器軟件，已在myeclipse環(huán)境下通過Java語(yǔ)言實(shí)現(xiàn)，并對(duì)整個(gè)過濾器軟件進(jìn)行了測(cè)試，測(cè)試結(jié)果顯示該設(shè)計(jì)完全可以達(dá)到對(duì)網(wǎng)頁(yè)文件中的敏感詞進(jìn)行過濾，還能指出這些敏感詞的數(shù)目及其出處。為網(wǎng)絡(luò)管理員的管理帶來(lái)方便，并給網(wǎng)絡(luò)管理方面的編程人員提供了一個(gè)良好的開發(fā)平臺(tái)。