AC自动机算法-字符串搜索算法:敏感词检测

参考:

https://baike.baidu.com/item/AC自动机算法/22799985

敏感词库参考:https://github.com/konsheng/Sensitive-lexicon

可用于大模型输出内容检测

pip install ahocorasick

复制代码
import ahocorasick
import asyncio
from typing import List, Dict

class AsyncSensitiveChecker:
    """
    高性能异步敏感词检测器 (基于 Aho--Corasick)
    - 支持 async 调用
    - 支持流式文本检测
    """
    def __init__(self, word_file: str):
        self.automaton = ahocorasick.Automaton()
        self._load_words(word_file)
        print(f"✅ 已加载敏感词 {len(self.automaton)} 条")

    def _load_words(self, path: str):
        with open(path, "r", encoding="utf-8") as f:
            for line in f:
                word = line.strip()
                if word:
                    self.automaton.add_word(word.lower(), word)
        self.automaton.make_automaton()

    async def check_text_async(self, text: str) -> Dict[str, List[str]]:
        """异步检测单段文本"""
        # 使用 asyncio.to_thread() 避免阻塞主线程
        return await asyncio.to_thread(self._check_sync, text)

    def _check_sync(self, text: str) -> Dict[str, List[str]]:
        """同步检测核心(被线程池调用)"""
        hits = []
        lower = text.lower()
        for _, word in self.automaton.iter(lower):
            hits.append(word)
        return {
            "ok": len(hits) == 0,
            "count": len(hits),
            "hits": list(set(hits))
        }

    async def stream_check(self, text_stream):
        """
        异步流式检测器
        text_stream: 异步生成器( async for chunk in text_stream )
        """
        buffer = ""
        async for chunk in text_stream:
            buffer += chunk
            result = await self.check_text_async(chunk)
            if not result["ok"]:
                print(f"⚠️ 检测到敏感词: {result['hits']}")
                # 可选择立即中断输出
                return {"ok": False, "hits": result["hits"]}
        return {"ok": True, "hits": []}



# import asyncio
# from async_sensitive_checker import AsyncSensitiveChecker

async def main():
    checker = AsyncSensitiveChecker("sensitive_words.txt")

    text = "今天讨论的内容涉及非法交易与敏感主题,色情奔放。"
    result = await checker.check_text_async(text)
    print(f"结果: {result}")
    if not result["ok"]:
        print("⚠️ 发现敏感词:", result["hits"])
    else:
        print("✅ 内容安全")

asyncio.run(main())

"ok": True 表示正常,false表示有敏感词

相关推荐
Boilermaker19921 小时前
[Java 并发编程] Synchronized 锁升级
java·开发语言
MM_MS2 小时前
Halcon变量控制类型、数据类型转换、字符串格式化、元组操作
开发语言·人工智能·深度学习·算法·目标检测·计算机视觉·视觉检测
独自破碎E2 小时前
【二分法】寻找峰值
算法
玩泥巴的2 小时前
飞书 .NET SDK 事件处理的幂等性与去重机制
c#·.net·二次开发·飞书
꧁Q༒ོγ꧂2 小时前
LaTeX 语法入门指南
开发语言·latex
njsgcs2 小时前
ue python二次开发启动教程+ 导入fbx到指定文件夹
开发语言·python·unreal engine·ue
alonewolf_992 小时前
JDK17新特性全面解析:从语法革新到模块化革命
java·开发语言·jvm·jdk
在路上看风景2 小时前
3.2 FileStream
c#
zwm2698888152 小时前
6号楼 部分声光24v电压达不到,显示11v
c#
mit6.8243 小时前
位运算|拆分贪心
算法