摘要： 本文研究一種基于Java Web的敏感詞過濾系統(tǒng)，能夠識(shí)別敏感詞，在客戶端用戶發(fā)送數(shù)據(jù)時(shí)，系統(tǒng)能夠自動(dòng)阻斷聊天內(nèi)容，并且將敏感詞替換為指定特殊符號(hào)關(guān)鍵詞的敏感詞。該系統(tǒng)基于 B /S 結(jié)構(gòu)的Java Web分層框架結(jié)構(gòu)進(jìn)行架構(gòu)設(shè)計(jì)，能夠在對(duì)用戶透明的情況下，自動(dòng)阻斷含有敏感詞的聊天內(nèi)容提交，并且將敏感詞替換為指定特殊符號(hào)關(guān)鍵詞。 實(shí)驗(yàn)結(jié)果表明該系統(tǒng)能夠有效阻止含有敏感關(guān)鍵詞的聊天內(nèi)容提交。

關(guān)鍵詞： 敏感詞過濾； Java Web； 聊天系統(tǒng)； 關(guān)鍵詞替換

中圖分類號(hào)：TP393.08

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：2095-2163（2017）04-0021-03

0引言

隨著互聯(lián)網(wǎng)與移動(dòng)應(yīng)用的飛速發(fā)展和普及，在互聯(lián)網(wǎng)上的信息量呈現(xiàn)爆炸式增長，這給信息內(nèi)容質(zhì)量的監(jiān)測(cè)和過濾帶來嚴(yán)峻的考驗(yàn)。目前已有的絕大部分網(wǎng)絡(luò)監(jiān)控系統(tǒng)主要針對(duì)己經(jīng)生效的網(wǎng)絡(luò)信息，不良信息有時(shí)候仍然在網(wǎng)上傳播。針對(duì)網(wǎng)絡(luò)不良信息過濾中存在的這些問題，基于文本的過濾模式可以依據(jù)任何關(guān)鍵詞進(jìn)行搜索并確定其內(nèi)容性質(zhì)，具有高度的靈活性，而圖片過濾主要是針對(duì)色情圖片而言，在技術(shù)手段和分級(jí)上目前仍然呈現(xiàn)可觀難度，畢竟如何區(qū)分藝術(shù)和色情在時(shí)下的生活進(jìn)程中也還有待直接確切的現(xiàn)實(shí)爭議定論。即使解決了藝術(shù)與色情的領(lǐng)域劃定，卻仍然存在著準(zhǔn)確率不高的問題。基于此，本文則依據(jù)應(yīng)用場(chǎng)景的需求，設(shè)計(jì)研發(fā)了一種在信息源頭實(shí)現(xiàn)敏感詞過濾的敏感詞過濾系統(tǒng)，提高了在關(guān)鍵詞過濾中的時(shí)間效率。

[BT4]1B/S體系結(jié)構(gòu)

B/S是Brower/Server的縮寫，即瀏覽器/服務(wù)器結(jié)構(gòu)。在這種結(jié)構(gòu)中，客戶端不需要開發(fā)任何用戶界面，而統(tǒng)一采用如IE和火狐等瀏覽器，通過Web瀏覽器向Web服務(wù)器發(fā)送請(qǐng)求，由Web服務(wù)器進(jìn)行處理，并將處理結(jié)果逐級(jí)傳回客戶端，綜上過程直觀表述可如圖1所示。這種結(jié)構(gòu)利用不斷成熟和普及的瀏覽器技術(shù)來獲取原需運(yùn)行復(fù)雜專用軟件才能提供輸出的強(qiáng)大功能，從而節(jié)約了開發(fā)成本，是一種全新的軟件體系結(jié)構(gòu)，因而已然成為當(dāng)今應(yīng)用軟件的首選體系結(jié)構(gòu)。

[PS傅明建1.EPS；S*2；X*2，BP#]

2Servlet

Servlet即Java服務(wù)小程序，是使用應(yīng)用程序設(shè)計(jì)接口以及相關(guān)類和方法的Java程序。同時(shí)，還可以作為一種插件，嵌入到Web服務(wù)器中運(yùn)行，并可呈現(xiàn)強(qiáng)大功能，Servlet在服務(wù)器上運(yùn)行主要用于支持展開和客戶之間的通信，當(dāng)客戶端傳來一個(gè)Http請(qǐng)求時(shí)，通過調(diào)用Servlet方法來向客戶端發(fā)送一個(gè)響應(yīng)。不但可以處理Http請(qǐng)求中的業(yè)務(wù)邏輯，而且還可以輸出HTML代碼來顯示指定頁面。

[BT5]2.1Servlet過濾器

Servlet過濾器與Servlet十分相似，但卻具有攔截客戶端（瀏覽器）請(qǐng)求的功能，Servlet過濾器可以改變請(qǐng)求中的內(nèi)容，來滿足設(shè)計(jì)開發(fā)中的實(shí)際需要。對(duì)于程序開發(fā)人員而言，過濾器實(shí)質(zhì)就是在Web應(yīng)用服務(wù)器上的一個(gè)Web應(yīng)用組件，用于攔截客戶端（瀏覽器）與目標(biāo)資源的請(qǐng)求，并對(duì)這些請(qǐng)求引入一定過濾處理再發(fā)送給目標(biāo)資源，過濾器的處理方式如圖2所示。

2.2基于Servlet過濾器的敏感詞過濾

Servlet過濾器能夠?qū)ervlet容器的請(qǐng)求和響應(yīng)對(duì)象進(jìn)行檢查和修改。過濾器本身并不產(chǎn)生請(qǐng)求和響應(yīng)對(duì)象，而只是提供過濾功能?；谶@個(gè)特點(diǎn)，本文采用基于Servlet過濾器的方法來研究敏感詞過濾，并以聊天系統(tǒng)應(yīng)用為例（可以適應(yīng)任何基于Web的系統(tǒng)）來實(shí)現(xiàn)敏感詞過濾。該方法的步驟設(shè)計(jì)內(nèi)容可詳述如下。

1）先設(shè)計(jì)一個(gè)簡單的聊天室客戶端界面，如圖3所示，用于通過Http請(qǐng)求提交聊天內(nèi)容。

2）然后，編寫一個(gè)Servlet，并部署配置Servlet，用來獲得聊天時(shí)提交的聊天內(nèi)容，并輔以后續(xù)延展處理，進(jìn)一步添加到request中。目前，部署Servlet有2種方式：

① 在Web.xml中進(jìn)行部署Servlet，只要用戶請(qǐng)求的URL和的子標(biāo)記指定的模式匹配，Web服務(wù)器就會(huì)自動(dòng)調(diào)用該Filter的doFilter（）方法；

② 基于注解的方式部署配置Servlet，在Servlet3.0中提供了注解@WebFilter，使得可以不再需要在Web.xml文件中呈現(xiàn)Filter的部署描述。

如果設(shè)計(jì)了多個(gè)過濾器，且過濾器攔截路徑相同時(shí)，系統(tǒng)將首先按照標(biāo)記在Web.xml中出現(xiàn)的先后順序執(zhí)行過濾器，然后再按照過濾器類名的字典順序執(zhí)行注解的過濾器。但在實(shí)際的Web工程中，不需要大量開發(fā)Filter，因此，采用哪種方式都可快速成熟地部署過濾器。這里為論述簡明清晰起見，本文中采用在Web.xml中部署Servlet，部署代碼如下：

<！-- Servlet配置 -->

MessageServlet

com.MessageServlet

MessageServlet

/MessageServlet

Servlet設(shè)計(jì)代碼如下：

public class MessageServlet extends HttpServlet {

private static final long serialVersionUID=65368123622 07677194L；

public void doPost（HttpServletRequest request， Http ServletResponse response）

throws ServletException， IOException {

// 獲取標(biāo)題

String title = request.getParameter（"title"）；

// 獲取內(nèi)容

String content = request.getParameter（"content"）；

// 將標(biāo)題放置到request中

request.setAttribute（"title"， title）；

// 將內(nèi)容放置到request中

request.setAttribute（"content"， content）；

// 轉(zhuǎn)發(fā)到result.jsp頁面

[JP3]request.getRequestDispatcher（"index.jsp"）.forward（request， response）；[JP]

}

}

3）最后編寫一個(gè)Servlet過濾器，并部署配置，將聊天內(nèi)容中涉及到的敏感字過濾，并將所有敏感字內(nèi)容替換成“*”。與Servlet一樣，部署過濾器目前也有2種方式：一是在Web.xml中部署Filter；一是基于注解的方式部署Filter。為設(shè)計(jì)高效起見，這里同樣采用Web.xml中部署Servlet Filter，Web.xml文件中部署代碼如下：

<！-- 過濾器配置 -->

ff_WordFilter

com.ff_WordFilter

encodingGBK

ff_WordFilter

/*

過濾器代碼設(shè)計(jì)如下：

public class ff_WordFilter implements Filter {

// 非法字符數(shù)組

private String ff_words[]；

// 字符編碼

private String encoding；

// 實(shí)現(xiàn)Filter接口init（）方法

public void init（FilterConfig filterConfig） throws ServletException {

// 獲取字符編碼

[JP3]encoding = filterConfig.getInitParameter（"encoding"）；[JP]

// 初始化非法字符數(shù)組，該字符數(shù)組即是需要過濾并替換的非法關(guān)鍵詞

ff_words = new String[]{"他媽的"，"赤裸"}；

}

// 實(shí)現(xiàn)Filter接口doFilter（）方法

public void doFilter（ServletRequest request， Servlet Response response， FilterChain chain） throws IOException， ServletException {

// 判斷字符編碼是否有效

if （encoding ！= null） {

// 設(shè)置request字符編碼

request.setCharacterEncoding（encoding）；

// [JP3]將request轉(zhuǎn)換為重寫后的Request對(duì)象[JP]

[JP4]request = new Request（（HttpServletRequest） request）；[JP]

// 設(shè)置response字符編碼

[JP2]response.setContentType（"text/html； charset="+encoding）；[JP]

}

chain.doFilter（request， response）；

}

// 實(shí)現(xiàn)Filter接口destroy（）方法

public void destroy（） {

this.words = null；

this.encoding = null；

}

/* 內(nèi)部類重寫HttpServletRequestWrapper*/

class Request extends HttpServletRequestWrapper{endprint

// 構(gòu)造方法

public Request（HttpServletRequest request） {

super（request）；

}

// 重寫getParameter（）方法

@Override

public String getParameter（String name） {

// 返回過濾后的參數(shù)值

[JP5]return filter（super.getRequest（）.getParameter（name））； }[JP]

// 重寫getParameterValues（）方法

@Override

public String[] getParameterValues（String name） {

// 獲取所有參數(shù)值

String[] values = super.getRequest（）.getParameter Values（name）；

// 通過循環(huán)對(duì)所有參數(shù)值進(jìn)行過濾

for （int i = 0； i < values.length； i++） {

values[i] = filter（values[i]）；

}

// 返回過濾后的參數(shù)值

return values；

}

}

/** 過濾非法字符

* @param param 參數(shù)值

* @return 過濾后的參數(shù)值

*/

public String filter（String param）{

try {

// 判斷非法字符是否被初始化

if（words ！= null && ff_words.length > 0）{

// 循環(huán)替換非法字符

for （int i = 0； i

// 判斷是否包含非法字符

if（param.indexOf（ff_words[i]） ！= -1）{

// 將非法字符替換為"****"

param = [WB]param.replaceAll（ff_words[i]，

[DW]"****"）；

} } }

} catch （Exception e） {

e.printStackTrace（）； }

return param；

}

[BT4]3結(jié)束語

本次研究設(shè)計(jì)中提出了一種基于Java Web的敏感詞過濾系統(tǒng)，能夠識(shí)別敏感詞，在客戶端用戶發(fā)送數(shù)據(jù)時(shí)，系統(tǒng)能夠自動(dòng)阻斷聊天內(nèi)容，并且將敏感詞替換為指定特殊符號(hào)關(guān)鍵詞的敏感詞，該系統(tǒng)基于 B /S 結(jié)構(gòu)的Java Web分層框架結(jié)構(gòu)進(jìn)行架構(gòu)設(shè)計(jì)。 實(shí)驗(yàn)結(jié)果表明該系統(tǒng)能夠有效阻止含有敏感關(guān)鍵詞的聊天內(nèi)容提交。

參考文獻(xiàn)：

[WTBZ][ST6BZ][HT6SS][1] [ZK（#〗

DUAN Lei， TANG Changjie， ZUO Jie， et al. Selfstudy algorithm for filtering Chinese text content through two layers in Web realtime environment[J]. Journal of Frontiers of Computer Science and Technology， 2011， 5（8）：695-706.

[2] 張穎江， 陳馳. WEB 內(nèi)容過濾方法的研究與應(yīng)用[J]. 武漢科技學(xué)院學(xué)報(bào)， 2005， 18（4）：49-51.

[3] 程衛(wèi)華 ， 尤晉元. 基于內(nèi)容過濾的反垃圾郵件系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 安徽大學(xué)學(xué)報(bào) （自然科學(xué)版），2007，31（3）：30-33.

[4] 鄧一貴， 伍玉英. 基于文本內(nèi)容的敏感詞決策樹信息過濾算法[J]. 計(jì)算機(jī)工程，2014，40（9）：300-304.

[5] 薛海偉，田崢，田建偉，等. 郵件敏感字過濾系統(tǒng)研究與實(shí)現(xiàn)[J]. 湖南電力，2015，35（2）：13-16.

[6] 曹靜，劉潔. JSP與servlet開發(fā)技術(shù)與典型應(yīng)用教程[M]. 2版. 大連：大連理工大學(xué)出版社，2014.

[7] 明日科技. JAVA WEB從入門到精通[M]. 北京：清華大學(xué)出版社，2012.[ZK）][FL）]