使用python如何過濾敏感詞

這期內容當中小編將會給大家帶來有關使用python如何過濾敏感詞，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

Python主要用來做什么

Python主要應用于：1、Web開發；2、數據科學研究；3、網絡爬蟲；4、嵌入式應用開發；5、游戲開發；6、桌面應用開發。

如下所示：

#!/usr/bin/python2.6  
# -*- coding: utf-8 -*- 
import time 
class Node(object): 
  def __init__(self): 
    self.children = None 
 
# The encode of word is UTF-8 
def add_word(root,word): 
  node = root 
  for i in range(len(word)): 
    if node.children == None: 
      node.children = {} 
      node.children[word[i]] = Node() 
 
    elif word[i] not in node.children: 
      node.children[word[i]] = Node() 
 
    node = node.children[word[i]] 
 
def init(path): 
  root = Node() 
  fp = open(path,'r') 
  for line in fp: 
    line = line[0:-1] 
    #print len(line) 
    #print line 
    #print type(line) 
    add_word(root,line) 
  fp.close() 
  return root 
 
# The encode of word is UTF-8 
# The encode of message is UTF-8 
def is_contain(message, root): 
  for i in range(len(message)): 
    p = root 
    j = i 
    while (j<len(message) and p.children!=None and message[j] in p.children): 
      p = p.children[message[j]] 
      j = j + 1 
 
    if p.children==None: 
      #print '---word---',message[i:j] 
      return True 
   
  return False 
 
 
 
def dfa(): 
  print '----------------dfa-----------' 
  root = init('/tmp/word.txt') 
 
  message = '四處亂咬亂吠，嚇得家中11歲的女兒躲在屋里不敢出來，直到轄區派出所民警趕到后，才將孩子從屋中救出。最后在征得主人同意后，民警和村民合力將這只發瘋的狗打死' 
  #message = '不顧' 
  print '***message***',len(message) 
  start_time = time.time() 
  for i in range(1000): 
    res = is_contain(message,root) 
    #print res 
  end_time = time.time() 
  print (end_time - start_time)  
 
def is_contain2(message,word_list): 
  for item in word_list: 
    if message.find(item)!=-1: 
      return True 
  return False 
 
def normal(): 
  print '------------normal--------------' 
  path = '/tmp/word.txt' 
  fp = open(path,'r') 
  word_list = [] 
  message = '四處亂咬亂吠，嚇得家中11歲的女兒躲在屋里不敢出來，直到轄區派出所民警趕到后，才將孩子從屋中救出。最后在征得主人同意后，民警和村民合力將這只發瘋的狗打死' 
  print '***message***',len(message) 
  for line in fp: 
    line = line[0:-1] 
    word_list.append(line) 
  fp.close() 
  print 'The count of word:',len(word_list) 
  start_time = time.time() 
  for i in range(1000): 
    res = is_contain2(message,word_list) 
    #print res 
  end_time = time.time() 
  print (end_time - start_time)  
 
 
if __name__ == '__main__': 
  dfa() 
  normal()

測試結果:

1) 敏感詞 100個

----------------dfa-----------
***message*** 224
0.325479984283
------------normal--------------
***message*** 224
The count of word: 100
0.107350111008

2) 敏感詞 1000 個

----------------dfa-----------
***message*** 224
0.324251890182
------------normal--------------
***message*** 224
The count of word: 1000
1.05939006805

從上面的實驗我們可以看出，在DFA 算法只有在敏感詞較多的情況下，才有意義。在百來個敏感詞的情況下，甚至不如普通算法

下面從理論上推導時間復雜度，為了方便分析，首先假定消息文本是等長的,長度為lenA；每個敏感詞的長度相同，長度為lenB，敏感詞的個數是m。

1) DFA算法的核心是構建一棵多叉樹，由于我們已經假設，敏感詞的長度相同，所以樹的最大深度為lenB，那么我們可以說從消息文本的某個位置（字節)開始的某個子串是否在敏感詞樹中，最多只用經過lenB次匹配.也就是說判斷一個消息文本中是否有敏感詞的時間復雜度是lenA * lenB

2) 再來看看普通做法，是使用for循環，對每一個敏感詞，依次在消息文本中進行查找，假定字符串是使用KMP算法,KMP算法的時間復雜度是O(lenA + lenB)

上述就是小編為大家分享的使用python如何過濾敏感詞了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。