前缀树
Trie树,即字典树,又称单词查找树或键树,是一种树形结构,是一种哈希树的变种。
典型应用是用于统计和排序大量的字符串(但不仅限于字符串),所以经常被搜索引擎系统用于文本词频统计。
它的优点是:最大限度地减少无谓的字符串比较。
定义:
- 根节点不包含字符,除根节点外每一个节点都只包含一个字符。
- 从根节点到某一节点,路径上经过的字符连接起来,为该节点对应的字符串。
- 每个节点的所有子节点包含的字符都不相同。
实现:
先定义节点
- 关键词结束标志:
isKeywordEnd
- 子节点:
private Map<Character, TrieNode> subNodes = new HashMap<>();
- 添加及获取子节点
addSubNode(Character c, TrieNode node)
和getSubNode(Character c)
/**
* 定义前缀树节点
*/
private class TrieNode {
// 关键词结束标志
private boolean isKeywordEnd = false;
public boolean isKeywordEnd() {
return isKeywordEnd;
}
public void setKeywordEnd(boolean keywordEnd) {
isKeywordEnd = keywordEnd;
}
// 子节点 (key是下级字符, value是下级节点)
private Map<Character, TrieNode> subNodes = new HashMap<>();
/**
* 添加子节点
*
* @param c 字符
* @param node 前缀树节点
*/
public void addSubNode(Character c, TrieNode node) {
subNodes.put(c, node);
}
/**
* 获取子节点
*
* @param c 字符
* @return 子节点的引用
*/
public TrieNode getSubNode(Character c) {
return subNodes.get(c);
}
}
根据敏感词, 初始化前缀树
敏感词文件: sensitive-words.txt
包含内容:
赌博 嫖娼 吸毒 开票
初始化前缀树:
// 日志
private static final Logger logger = LoggerFactory.getLogger(SensitiveFilter.class);
/**
* 替换符
*/
private static final String REPLACEMENT = "***";
/**
* 根节点
*/
private TrieNode rootNode = new TrieNode();
/**
* 这个 Bean即SensitiveFilter 在程序启动时就实例化,
* 然后调用构造器,
* 之后这个方法就会被调用.
* this.getClass().getClassLoader() : 类加载器是从类路径下加载资源, 也就是 target/classes
* 在 getResourceAsStream("sensitive-words.txt") 直接写文件名即可
*/
@PostConstruct
public void init() {
try(
// 初始化输入流并转换为缓冲流
InputStream is = this.getClass().getClassLoader().getResourceAsStream("sensitive-words.txt");
// 此处体现了装饰器模式
BufferedReader reader = new BufferedReader(new InputStreamReader(is));
) {
String keyword;
while ((keyword = reader.readLine()) != null) {
// 将一个敏感词添加到前缀树中
this.addKeyword(keyword);
}
} catch (IOException e) {
logger.error("加载敏感词文件失败: " + e.getMessage());
}
}
/**
* 将一个敏感词添加到前缀树中
*
* @param keyword 敏感词
*/
private void addKeyword(String keyword) {
TrieNode tempNode = rootNode; // tempNode指向根节点, 相当于指针
for (int i = 0; i < keyword.length(); i++) {
char c = keyword.charAt(i);
TrieNode subNode = tempNode.getSubNode(c);
// 如果根节点没有子节点, 则初始化并添加
if (subNode == null) {
subNode = new TrieNode();
tempNode.addSubNode(c, subNode);
}
// 指向子节点, 进入下一轮
tempNode = subNode;
// 设置结束标识
if (i == keyword.length()-1) {
tempNode.setKeywordEnd(true);
}
}
编写过滤敏感词的方法
/**
* 过滤敏感词
* 对于敏感词中有符号的先去除符号
* 需要三个指针
* 还需要跳过特殊符号
* @param text 待过滤的文本
* @return 过滤后的文本
*/
public String filter(String text) {
// 先判断是否为空
if (StringUtils.isBlank(text)) {
return null;
}
// 指针1
TrieNode tempNode = rootNode;
// 指针2
int begin = 0;
// 指针3
int position = 0;
// 结果
StringBuilder sb = new StringBuilder();
// 检测: 默认处于根节点, 所以检测它的下一级
while (position < text.length()) {
char c = text.charAt(position);
// 跳过符号: 指针向下走一步
if (isSymbol(c)) {
// 若指针1处于根节点,将此符号计入结果,让指针2向下走一步
if (tempNode == rootNode) {
sb.append(c);
begin++;
}
// 无论符号在开头或者中间,指针3都向下走一步
position++;
continue;
}
// 若不是符号: 检查下级节点:
tempNode = tempNode.getSubNode(c); // 指针指向下级节点
if (tempNode == null) { // 下级没有结点
// 以begin开头的字符串不是敏感词
sb.append(text.charAt(begin));
// 进入下一个位置
position = ++begin;
// 归位: 重新指向根节点
tempNode = rootNode;
} else if (tempNode.isKeywordEnd()) {
// 发现敏感词,将begin~position字符串替换掉
sb.append(REPLACEMENT);
// 进入下一个位置
begin = ++position;
// 重新指向根节点
tempNode = rootNode;
} else {
// 检查下一个字符
position++;
}
} // while 结束
// 将最后一批字符计入结果: 指针3 提前到终点, 但 指针2 并未到终点.
sb.append(text.substring(begin));
return sb.toString();
}
是否是符号:
/**
* 判断是否是符号
* CharUtils.isAsciiAlphanumeric 方法可以判断是否是 合法字符,
* 取反表示 它不是合法字符, 即它是特殊符号
* 0x2E80 到 0x9FFF为东亚文字, 不认为是符号
*/
private boolean isSymbol(char c) {
// 既不是字母数字也不是东亚文字 (0x2E80 到 0x9FFF为东亚文字), 可以认为是符号
return !CharUtils.isAsciiAlphanumeric(c) && (c < 0x2E80 || c > 0x9FFF);
}
测试:
package com.nowcoder.community;
import com.nowcoder.community.util.SensitiveFilter;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.test.context.ContextConfiguration;
@SpringBootTest
@ContextConfiguration(classes = CommunityApplication.class)
public class SensitiveTests {
@Autowired
private SensitiveFilter sensitiveFilter;
@Test
public void testSensitiveFilter() {
String text = "这里可以赌博,段义和可以嫖娼,可以吸毒,可以开票,哈哈哈!";
text = sensitiveFilter.filter(text);
System.out.println(text);
text = "这里可以☺☺赌☺博☺,可以¶嫖☺娼♮,可以吸♂毒,可以㉿开☺☺票㉿,哈哈哈!";
text = sensitiveFilter.filter(text);
System.out.println(text);
}
}
输出:
这里可以***,段义和可以***,可以***,可以***,哈哈哈!
这里可以☺☺***☺,可以¶***♮,可以***,可以㉿***㉿,哈哈哈!
算法题:
测试用例:
["Trie","insert","search","search","startsWith","insert","search"] [[],["apple"],["apple"],["app"],["app"],["app"],["app"]]
代码实现如下:
package com.Test;
import java.util.HashMap;
import java.util.Map;
public class Trie {
// 定义节点
class TrieNode {
private boolean isKeyWordEnd;
public boolean isKeyWordEnd() {
return isKeyWordEnd;
}
public void setKeyWordEnd(boolean KeyWordEnd) {
this.isKeyWordEnd = KeyWordEnd;
}
public TrieNode() {
isKeyWordEnd = false;
}
// 定义子节点
private Map<Character, TrieNode> subNodes = new HashMap<>();
public void addSubNode(Character c, TrieNode node) {
subNodes.put(c, node);
}
public TrieNode getSubNode(Character c) {
return subNodes.get(c);
}
}
private TrieNode rootNode; // 前缀树根节点
/** Initialize your data structure here. */
public Trie() {
rootNode = new TrieNode();
}
/** Inserts a word into the trie. */
public void insert(String word) {
TrieNode tmpNode = rootNode;
for (int i = 0; i < word.length(); i++) {
char c = word.charAt(i);
TrieNode subNode = tmpNode.getSubNode(c);
// 如果没有子节点, 则初始化并添加
if (subNode == null) {
subNode = new TrieNode();
tmpNode.addSubNode(c, subNode);
}
// 执行子节点, 进入下一轮
tmpNode = subNode;
// 设置结束标志
if (i == word.length()-1) tmpNode.setKeyWordEnd(true);
}
}
/** Returns if the word is in the trie. */
public boolean search(String word) {
TrieNode tmpNode = rootNode;
int position = 0;
while(position < word.length()) {
char c = word.charAt(position);
if(tmpNode.getSubNode(c) == null) {
return false;
}
tmpNode = tmpNode.getSubNode(c);
position++;
}
return true == tmpNode.isKeyWordEnd;
}
/** Returns if there is any word in the trie that starts with the given prefix. */
public boolean startsWith(String prefix) {
TrieNode tmpNode = rootNode;
int position = 0;
while(position < prefix.length()) {
char c = prefix.charAt(position);
if(tmpNode.getSubNode(c) == null) {
return false;
}
tmpNode = tmpNode.getSubNode(c);
position++;
}
return true;
}
}
运行效果:
转载请注明来源,欢迎对文章中的引用来源进行考证,欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论,也可以邮件至 jungle8884@163.com