微网站解决方案做宣传图片的软件

博主介绍：全网粉丝10w+、CSDN合伙人、华为云特邀云享专家，阿里云专家博主、星级博主，51cto明日之星，热爱技术和分享、专注于Java技术领域
🍅文末获取源码联系🍅
👇🏻 精彩专栏推荐订阅👇🏻 不然下次找不到哟

在做评论系统、论坛、社交应用时，敏感词过滤几乎是一个绕不开的话题。
“敏感词”并不一定指违规词，也可能是你系统内部的一些黑名单词，比如屏蔽某些广告词，替换掉特定品牌词等。

很多同学第一次接触这个需求时，通常会写一个最简单的实现：

String text = "这里是广告，点我拿红包！";
text = text.replace("广告", "***");

但这种方式的问题显而易见：

1. 只能匹配固定词，无法支持大规模敏感词库；
2. 替换效率低，尤其是词库很大时；
3. 不灵活，难以和业务层解耦。

今天我们就来聊聊一种优雅高效的方案：自定义注解 + DFA 算法，让敏感词过滤既高效，又好维护，还能无侵入集成到 Spring 项目中。

---

一、为什么选 DFA 算法？

DFA（Deterministic Finite Automaton，确定有穷自动机）是一种高效的字符串匹配算法。相比于正则表达式和简单的 replace：

• 高效：DFA 能在 O(n) 时间复杂度内完成文本扫描，适合大规模词库。
• 支持模糊匹配：不仅能精确匹配，还能检测出包含敏感词的长句。
• 可扩展：敏感词可以随时更新，不需要改代码。

常见实现是将敏感词构建成一棵前缀树（Trie 树），文本只需扫描一遍，就能快速判定是否包含敏感词。

---

二、设计思路：注解 + AOP + DFA

我们想要的效果是：

1. 在需要过滤的字段/参数上，加一个注解 @SensitiveFilter；
2. Spring AOP 自动拦截方法，在进入业务逻辑前替换掉敏感词；
3. 业务层无需关心，过滤逻辑完全解耦。

目标效果示例：

@PostMapping("/comment")
public String addComment(@SensitiveFilter String content) {// content 已经是过滤后的文本return "保存成功：" + content;
}

如果用户输入 "这里是广告，点我拿红包！"，
那么最终存入数据库的就是 "这里是**，点我拿红包！"。

---

三、代码实现

我们分 4 步来实现：

1. 自定义注解

@Target({ElementType.PARAMETER, ElementType.FIELD})
@Retention(RetentionPolicy.RUNTIME)
public @interface SensitiveFilter {// 替换字符，默认是 "*"String replaceChar() default "*";
}

2. DFA 敏感词工具类

这里用 Trie 树实现 DFA。

public class SensitiveWordUtil {private static final Map<Character, Map> sensitiveWordMap = new HashMap<>();// 初始化词库public static void init(List<String> words) {for (String word : words) {Map<Character, Map> nowMap = sensitiveWordMap;for (int i = 0; i < word.length(); i++) {char c = word.charAt(i);Map<Character, Map> nextMap = (Map<Character, Map>) nowMap.get(c);if (nextMap == null) {nextMap = new HashMap<>();nowMap.put(c, nextMap);}nowMap = nextMap;}// 词尾标记nowMap.put(' ', new HashMap<>());}}// 过滤文本public static String filter(String text, String replaceChar) {StringBuilder result = new StringBuilder();int i = 0;while (i < text.length()) {int matchLen = checkSensitive(text, i);if (matchLen > 0) {// 替换为指定字符for (int j = 0; j < matchLen; j++) {result.append(replaceChar);}i += matchLen;} else {result.append(text.charAt(i));i++;}}return result.toString();}// 检查从某个位置开始是否包含敏感词private static int checkSensitive(String text, int start) {Map<Character, Map> nowMap = sensitiveWordMap;int length = 0;for (int i = start; i < text.length(); i++) {char c = text.charAt(i);nowMap = (Map<Character, Map>) nowMap.get(c);if (nowMap == null) {return 0;}length++;if (nowMap.containsKey(' ')) {return length;}}return 0;}
}

初始化的时候，可以从数据库或配置文件里加载敏感词库，例如：

SensitiveWordUtil.init(Arrays.asList("广告", "红包", "涉黄", "违法"));

---

3. AOP 拦截处理

@Aspect
@Component
public class SensitiveFilterAspect {@Around("@annotation(org.springframework.web.bind.annotation.PostMapping) || " +"@annotation(org.springframework.web.bind.annotation.RequestMapping)")public Object doFilter(ProceedingJoinPoint joinPoint) throws Throwable {Object[] args = joinPoint.getArgs();Method method = ((MethodSignature) joinPoint.getSignature()).getMethod();Parameter[] parameters = method.getParameters();for (int i = 0; i < parameters.length; i++) {if (parameters[i].isAnnotationPresent(SensitiveFilter.class) && args[i] instanceof String) {SensitiveFilter annotation = parameters[i].getAnnotation(SensitiveFilter.class);args[i] = SensitiveWordUtil.filter((String) args[i], annotation.replaceChar());}}return joinPoint.proceed(args);}
}

这样，当 Controller 层的接口收到字符串参数时，就会自动替换掉敏感词。

---

4. 使用示例

@RestController
public class CommentController {@PostMapping("/comment")public String addComment(@SensitiveFilter String content) {return "保存成功：" + content;}
}

输入：

POST /comment
body: 这里是广告，点我拿红包！

输出：

保存成功：这里是**，点我拿**

---

四、整合与优化

1. 敏感词库动态加载

   • 可以存到数据库，结合 Redis 做缓存。
   • 后台增加“敏感词管理”功能，实时更新。

2. 替换规则多样化

   • 不仅仅是 "***"，也可以替换成 [违规词]。
   • 注解里增加参数：mode = REPLACE / BLOCK，选择直接拒绝还是替换。

3. 多层级拦截

   • 不仅仅是 @Controller 参数，还能应用到 DTO 的字段上。
   • 使用反射递归处理对象中的 @SensitiveFilter 字段。

---

五、总结

本文我们实现了一个自定义注解 + DFA 算法的敏感词过滤方案：

• 用 DFA 提升匹配效率，支持大规模词库；
• 用注解 + AOP 解耦业务逻辑，使用简单；
• 方案灵活，可动态扩展敏感词库和替换策略。

这套方案不仅适合小项目，也能支撑中大型系统，尤其是评论区、弹幕、聊天消息等场景，能大大减少违规风险。

未来你还可以继续扩展：

• 敏感词分类（政治、广告、低俗），按业务场景应用；
• 多语言敏感词库（中文 + 英文混合）；
• 结合机器学习做“上下文敏感”过滤。

一句话总结：优雅又高效的敏感词过滤，不是写个 replace，而是让框架帮你做。 🚀

大家点赞、收藏、关注、评论啦 、查看👇🏻获取联系方式👇🏻