Python 敏感词检测算法

         废话少说，还是直接贴代码

       这个敏感词算法是以AC自动机机制为基础，编写获取关键词程序，优点速度快

# coding:utf-8


class Node(object):
    def __init__(self):
        self.next = {}
        self.fail = None
        self.isWord = False
        self.word = ""


class AcAutomation(object):

    def __init__(self):
        self.root = Node()

    # 添加敏感词函数
    def add_word(self, word):
        temp_root = self.root
        for char in word:
            if char not in temp_root.next:
                temp_root.next[char] = Node()
            temp_root = temp_root.next[char]
        temp_root.isWord = True
        temp_root.word = word

    @staticmethod
    def __check_word(cache_result: list, char: str):
        """
        获取keywords
        :param cache_result:
        :param char:
        :return:
        """
        update_catch = []  # 更新之后的指针列表
        words = []  # 获取关键词列表
        for cache in cache_result:
            if char in cache.next:
                next_p = cache.next[char]
                if next_p.isWord:
                    words.append(next_p.word)
                update_catch.append(next_p)
        return update_catch, words

    @staticmethod
    def __check_word_position(cache_result: dict, char: str, position: int):
        """
        获取keywords包含位置信心
        :param cache_result:
        :param char:字符
        :param position:位置
        :return:
        """
        update_catch = {}  # 更新之后的指针列表
        words = []  # 获取关键词列表
        for d_key, (start, cache) in cache_result.items():
            if char in cache.next:
                next_p = cache.next[char]
                if next_p.isWord:
                    words.append((next_p.word, start, position))
                update_catch[len(update_catch)] = (start, next_p)
        return update_catch, words

    # 查找关键词函数
    def search(self, content):
        """
        关键词查找
        :param content:
        :return:
        """
        cache_result = []  # 缓存节点
        words_result = []  # 关键词列表
        position = 0  # 当前位置
        while position < len(content):
            p = self.root
            char = content[position]
            cache_result, words = self.__check_word(cache_result, char)
            words_result.extend(words)
            if char in p.next:
                if p.next[char].isWord:
                    words_result.append(p.next[char].word)
                cache_result.append(p.next[char])
            position += 1
        return words_result

    # 查找关键词函数并记录位置
    def search_and_position(self, content):
        """
        关键词查找包含位置
        :param content:
        :return:
        """
        cache_result = {}  # 缓存节点
        words_result = []  # 关键词列表
        position = 0  # 当前位置
        while position < len(content):
            p = self.root
            char = content[position]
            cache_result, words = self.__check_word_position(cache_result, char, position)
            words_result.extend(words)
            if char in p.next:
                if p.next[char].isWord:
                    words_result.append((position, p.next[char].word))
                cache_result[len(cache_result)] = (position, p.next[char])
            position += 1
        return words_result


if __name__ == '__main__':
    ah = AcAutomation()
    for w in ['机器学习', '体育设备']:
        ah.add_word(w)
    result = ah.search("大模型是指具有大量参数和复杂结构的机器学习模型。这些模型可以应用于处理大规模的数据和复杂的问题")
    print(result)

使用解释：

    ah = AcAutomation()
    for w in ['机器学习', '体育设备']:
        ah.add_word(w)
    result = ah.search("大模型是指具有大量参数和复杂结构的机器学习模型。这些模型可以应用于处理大规模的数据和复杂的问题")
    print(result)

将敏感词['机器学习'，'体育设备']分别加入词表中

在调用搜索函数返回结果