拓展阅读
敏感词标签
说明
有时候我们希望对敏感词加一个分类标签：比如社情、暴/力等等。
这样后续可以按照标签等进行更多特性操作，比如只处理某一类的标签。
我们在 v0.10.0 版本，开始初步支持敏感词的标签分类，不过这个方法没有和以前的方法进行整合。
让我们先做一下回顾：
入门例子
接口
这里只是一个抽象的接口，用户可以自行定义实现。比如从数据库查询等。
java
public interface IWordTag {
/**
* 查询标签列表
* @param word 脏词
* @return 结果
*/
Set<String> getTag(String word);
}配置文件
我们可以自定义 dict 标签文件，通过 WordTags.file() 创建一个 WordTag 实现。
-
dict_tag_test.txt
五星红旗 政-治,国家
格式如下：
敏感词 tag1,tag2
实现
具体的效果如下，在引导类设置一下即可。
默认的 wordTag 是空的。
java
String filePath = "dict_tag_test.txt";
IWordTag wordTag = WordTags.file(filePath);
SensitiveWordBs sensitiveWordBs = SensitiveWordBs.newInstance()
.wordTag(wordTag)
.init();
Assert.assertEquals("[政-治, 国家]", sensitiveWordBs.tags("五星红旗").toString());;后续会考虑引入一个内置的标签文件策略。
IWordResultHandler 结果处理类
功能说明
IWordResultHandler 可以对敏感词的结果进行处理，允许用户自定义。
内置实现目前有如下几种：
- WordResultHandlers.word()
只保留敏感词单词本身。
- WordResultHandlers.raw()
保留敏感词相关信息，包含敏感词的开始和结束下标。
- WordResultHandlers.wordTags()
同时保留单词，和对应的词标签信息。
使用实例
1）基本例子
java
final String text = "五星红旗迎风飘扬，毛主席的画像屹立在天安门前。";
List<String> wordList = SensitiveWordHelper.findAll(text);
Assert.assertEquals("[五星红旗, 毛主席, 天安门]", wordList.toString());
List<String> wordList2 = SensitiveWordHelper.findAll(text, WordResultHandlers.word());
Assert.assertEquals("[五星红旗, 毛主席, 天安门]", wordList2.toString());
List<IWordResult> wordList3 = SensitiveWordHelper.findAll(text, WordResultHandlers.raw());
Assert.assertEquals("[WordResult{startIndex=0, endIndex=4}, WordResult{startIndex=9, endIndex=12}, WordResult{startIndex=18, endIndex=21}]", wordList3.toString());- wordTags 例子
我们在 dict_tag_test.txt 文件中指定对应词的标签信息。
比如：
五星红旗 政治,国家
毛主席 政治,国家,伟人
天安门 政治,国家,地址
使用方法如下：
java
final String text = "五星红旗迎风飘扬，毛主席的画像屹立在天安门前。";
// 默认敏感词标签为空
List<WordTagsDto> wordList1 = SensitiveWordHelper.findAll(text, WordResultHandlers.wordTags());
Assert.assertEquals("[WordTagsDto{word='五星红旗', tags=[]}, WordTagsDto{word='毛主席', tags=[]}, WordTagsDto{word='天安门', tags=[]}]", wordList1.toString());
List<WordTagsDto> wordList2 = SensitiveWordBs.newInstance()
.wordTag(WordTags.file("dict_tag_test.txt"))
.init()
.findAll(text, WordResultHandlers.wordTags());
Assert.assertEquals("[WordTagsDto{word='五星红旗', tags=[政治, 国家]}, WordTagsDto{word='毛主席', tags=[政治, 伟人, 国家]}, WordTagsDto{word='天安门', tags=[政治, 国家, 地址]}]", wordList2.toString());这样就可以把此标签和我们以前的能力进行整合。
小结
敏感词标签的功能作用还是很大的，可以让我们根据不同的类别，进行不同的后续处理操作。
当然，最核心的还是对于标签数据的处理工作，具体可以参考：
开源地址
为了便于大家学习，项目开源地址如下，欢迎 fork+star 鼓励一下老马~