用java过滤文章中的敏感词

核心提示：我们做博客或bbs时；文章中经常会有些敏感词要去掉;以下是一个java实现这个功能的小例题:两个个文件Words.PRoperties和KeyWordFilter.java;1、words.properties文件是个文本文件；内容如下:敏感词一敏感词二敏感词三 2、KeyWordFilter.java是个java文件

我们做博客或bbs时；文章中经常会有些敏感词要去掉;
以下是一个java实现这个功能的小例题:
两个个文件Words.PRoperties和KeyWordFilter.java;
1、words.properties文件是个文本文件；内容如下:
敏感词一
敏感词二
敏感词三
 
2、KeyWordFilter.java是个java文件内容如下:
import java.io.IOException;
import java.io.InputStream;
import java.text.SimpleDateFormat;
import java.util.Date;
import java.util.Enumeration;
import java.util.Properties;
import java.util.regex.Pattern;
import java.util.regex.Matcher;
public class KeyWordFilter
{
 private static Pattern pattern = null;
 // 从words.properties初始化正则表达式字符串
 private static void initPattern()
 {
  StringBuffer patternBuf = new StringBuffer("");
  try
  {
　 InputStream in = KeyWordFilter.class.getClassLoader().getResourceAsStream("words.properties");
　 Properties pro = new Properties();
　 pro.load(in);
　 Enumeration enu = pro.propertyNames();
　 patternBuf.append("(");
　 while(enu.hasMoreElements())
　 {
　  patternBuf.append((String)enu.nextElement()+"|");
　 }
　 patternBuf.deleteCharAt(patternBuf.length()-1);
　 patternBuf.append(")");
 
//unix换成UTF-8
　 //pattern = Pattern.compile(new String(patternBuf.toString().getBytes("ISO-8859-1"), "UTF-8"));
//win下换成gb2312
　 pattern = Pattern.compile(new String(patternBuf.toString().getBytes("ISO-8859-1"), "gb2312"));
  }
  catch(IOException ioEx)
  {
　 ioEx.printStackTrace();
  }
 }
 private static String doFilter(String str)
 {
  Matcher m = pattern.matcher(str);
  str = m.replaceAll("");
  return str;
 }
 
 public static void main(String[] args)
 {
  String str = "国敏感词一院学位办就敏感词三的报道表示敏感词二";
  System.out.println("str:"+str);
  initPattern();
  Date d1 = new Date();
  SimpleDateFormat formatter = new SimpleDateFormat("EEE, d MMM yyyy HH:mm:ss:SSS Z");
  System.out.println("start:"+formatter.format(d1));
  System.out.println("共"+str.length()+"个字符，查到" + KeyWordFilter.doFilter(str));
  Date d2 = new Date();
  System.out.println("end:"+formatter.format(d2));
 }
 
}
输出为:
__________________________________
str:国敏感词一院学位办就敏感词三的报道表示敏感词二
start:星期二, 24 三月 2009 14:50:17:171 +0800
共23个字符，查到国院学位办就的报道表示
end:星期二, 24 三月 2009 14:50:17:531 +0800