Trie实现敏感词过滤系统

🖥️ 运行效果

🚀 实例简介

本实例实现了基于 Trie（字典树）数据结构的敏感词过滤系统。Trie 是一种高效的字符串检索树，特别适合多模式匹配场景。本工具可以在文本中快速检测和替换敏感词，适用于内容审核、评论过滤等场景。

💻 核心代码

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Python字典树（Trie）实现敏感词过滤系统
功能：使用 Trie 数据结构高效检测和过滤敏感词
作者：好例子网 (haolizi.com)
"""

import tkinter as tk
from tkinter import ttk, scrolledtext
import platform

# 中文字体配置
CHINESE_FONT = "WenQuanYi Zen Hei" if platform.system() == "Linux" else "Microsoft YaHei"


class TrieNode:
    """Trie 树节点"""
    def __init__(self):
        self.children = {}
        self.is_end = False


class Trie:
    """Trie 字典树实现"""
    def __init__(self):
        self.root = TrieNode()
    
    def insert(self, word):
        """插入敏感词到 Trie"""
        node = self.root
        for char in word:
            if char not in node.children:
                node.children[char] = TrieNode()
            node = node.children[char]
        node.is_end = True
    
    def search(self, text):
        """在文本中查找敏感词，返回 (位置, 长度) 列表"""
        results = []
        for i in range(len(text)):
            node = self.root
            j = i
            while j < len(text) and text[j] in node.children:
                node = node.children[text[j]]
                if node.is_end:
                    results.append((i, j - i   1))
                j  = 1
        return results


class SensitiveWordFilter:
    """敏感词过滤器"""
    def __init__(self):
        self.trie = Trie()
        # 内置敏感词库
        self.sensitive_words = [
            "暴力", "赌博", "毒品", "枪支", "诈骗",
            "色情", "反动", "传销", "假币", "洗钱"
        ]
        self.load_words()
    
    def load_words(self):
        """加载敏感词到 Trie"""
        for word in self.sensitive_words:
            self.trie.insert(word)
    
    def filter_text(self, text, replace_char="*"):
        """过滤文本中的敏感词"""
        matches = self.trie.search(text)
        if not matches:
            return text, []
        
        # 按位置排序，从后往前替换避免索引错乱
        matches.sort(reverse=True)
        filtered = text
        found_words = []
        
        for pos, length in matches:
            word = text[pos:pos length]

💡 适用场景

办公自动化、数据分析、快速原型开发