有人的地方，就有江湖，有输入框的地方，就有注入风险！有输入框的地方，就有敏感词！敏感词就像一个平台杀手，可能直接导致平台被封锁！

敏感词是一个APP、一个网站、一个内容平台的“杀手”，危害程度杀伤力相当大。将一个文本中的敏感词过滤掉，是一个合法合规平台所必须使用的技术。敏感词的过滤算法是关键词查找、过滤打码的过程，可有效结合时间复杂度高效的树型结构进行算法设计与实现！

敏感词可能是脏话，也可能是不同文化背景下的禁词，也可能是政治敏感词汇，等等，敏感词可能导致平台遭受法律或政策的制约。举个简单的例子，非法涉黄的网站可能直接被取消网站备案，无法在中国大陆访问。不做敏感词的后果是相当严重的。

做为一个程序员，一个开发工程师，一定要掌握敏感词算法么？工程师分为很多派系，对于做搜索的工程师，算法，b树，敏感词过程，应该要从底层，从设计到实现都不能放过！做为应用工程师（小白程序员），能掌握算法原理，并能使用，我觉得就好了，树叶有专攻！来来来，来一段算法描述。目前查到的敏感词过滤算法。

一、敏感词少的情况

如果敏感词少的话，就直接使用replace,indexOf等等来搞定吧，只是这种情况存在的可能性太小了。敏感词可以说是很多很多。不过，不讲究效率的地方，能实现业务要求的话，使用这种方式也可以。

二、敏感词较多的情况

敏感词受政治、人文、种族各种因素影响，词汇量较多，要做到全面的过滤，自然要考虑考虑算法的设计，以保证过滤的高效性。在这里介绍网上流行的一种敏感词过滤算法。深入了解专业算法已经超出了本文的范畴，请自行找其他资料查看。网上流传的算法，主要是将敏感词库放到树型数据结构中，将带过滤的文本投射到敏感词树上，命中的就是踩到敏感词。用树型结构体加速匹配速度。

2.1 构建敏感词树

什么是树？主要是树型结构在时间复杂度上有优势。详细了解时间复杂度与树型算法，关注公众号回“算法”！今天不展开介绍树型结构。构建敏感词树型结构体，可以通过第三方库来完成，有现成的。回复公众号“敏感词库”可获取相关信息。如图所示，我们构建了一棵敏感词树，这棵树有傻子、傻逼、傻逼人三个敏感词​。

2.2 投射文本

把文本填充到敏感词树上，就能直观的看到哪些敏感词覆盖到了。如果有人在平台发布违禁信息，可以快速识别出来。在这里使用投射文本描述，只是为了描述算法，具体实现就看代码。如图所示，投射到树上文本“傻逼”，就是被发现的​敏感词。

敏感词过滤算法的核心就是这两步！一棵敏感词树，一次投射文本，就能把敏感词全遍找过来，高效​！

今天的算法分享就要告一段落了，赶紧播放赞助商广告！

技术岛公众号

来自： http://www.jishudao.com/2019/07/26/bad_words/