利用PHP扩展trie_filter做敏感词过滤

PS：原创文章，如需转载，请注明出处，谢谢！     

本文地址：http://flyer0126.iteye.com/blog/1931212

 

      早就想研究下敏感词过滤问题，今天有些时间，正好实践一下。

      1. 安装：libdatrie (http://linux.thai.net/~thep/datrie/datrie.html#Download)

       

 tar zxf libdatrie-0.2.4.tar.gz 
 cd libdatrie-0.2.4 
 ./configure --prefix=/usr/local 
 make 
 make install

  

      2. 安装 trie_filter 扩展 (https://code.google.com/p/as3chat/downloads/detail?name=trie_filter-2011-03-21.tar.gz)

 tar zxf trie_filter-2011.03.21.tar.gz 
 cd trie_filter-2011.03.21 
 phpize （#/usr/local/php/bin/phpize ） 
 ./configure --with-php-config=/usr/local/php/bin/php-config 
 make 
 make install 

 

3. 修改 php.ini 文件，添加 trie_filter 扩展：extension=trie_filter.so，重启PHP。

   查看phpinfo发现trie_filter 扩展可用，如下图所示：

 4. 生成敏感词词典 （dpp 在 trie_filter-1.0.0 里面）

      将需要检测的敏感词写入一文本文件（如：mgc.txt），每行一个敏感词，然后使用dpp处理文本文件生成词典。

      规则：./dpp txt_file_path dict_file_path 

      示例：./dpp ～/mgc.txt mgc.dic 

 

5. 应用

<?php
/**
 * trie_filter 敏感词过滤示例
 * 
 * @author flyer0126
 * @since  2013/08/26
 **/

// 载入词典，成功返回一个 Trie_Filter 资源句柄，失败返回 NULL
$file = trie_filter_load('/usr/local/src/trie_filter/mgc.dic');
var_dump($file);
$str1 = '今天利用trie_filter做敏感词过滤示例';
$str2 = '今天利用trie_filter做过滤示例';
// 检测文本中是否含有词典中定义的敏感词(假设敏感词设定为：‘敏感词’)
$res1 = trie_filter_search($file, $str1);
$res2 = trie_filter_search($file, $str2);
echo $res1 ? '存在敏感词' : '不存在敏感词';
echo "<br/>";
echo $res2 ? '存在敏感词' : '不存在敏感词';

/**
resource(1) of type (Trie tree filter)
存在敏感词
不存在敏感词
**/

 

 

    对应 libdatrie-0.2.4.tar.gz 及 trie_filter-2011-03-21.tar.gz 已添加至附件中，有兴趣的可以拿走～

      

评论

2 楼 flyer0126 2013-08-27  

vb2005xu 写道

性能咋样?

性能方面本人还没有测试，   网上找了下相关解释：此扩展的检测算法基于 Double Array Trie Tree，查找单一关键字的时间复杂度为 O(1)，查找整段文本的时间复杂度为 O(n)，n 为文本的长度，而且检测的速度不会因为敏感词的增加而降低。

1 楼 vb2005xu 2013-08-26  

性能咋样?