β

利用PHP扩展trie_filter做中文敏感词过滤

沧海一粟 138 阅读
1.安装libiconv,这个是libdatrie的依赖项

wget http://ftp.gnu.org/pub/gnu/libiconv/libiconv-1.14.tar.gz
tar zxvf libiconv-1.14.tar.gz
cd libiconv-1.14
./configure
make
make install


2. 安装:libdatrie ( http://linux.thai.net/~thep/datrie/datrie.html#Download)
网友     囚蝶i     反馈现在这个网站的download  已经不能下载了。
可以使用svn 来下载 checkout 地址 : http://Linux.thai.NET/svn/software/datrie/tags/r_0_2_4
谢谢 囚蝶i 的反馈


tar zxf libdatrie-0.2.4.tar.gz
cd libdatrie-0.2.4
./configure --prefix=/usr/local
make
make install



编译出现错误 trietool.c:125: undefined reference to `libiconv'
解决办法为:./configure LDFLAGS=-L/usr/local/lib LIBS=-liconv

3. 安装 trie_filter 扩展
由于官方trie_filter扩展对中文支持的不是很好,所以在Git上找到了一个在官方扩展上面改写的扩展经过测试没有问题
安装方法如下:
https://github.com/wulijun/PHP-ext-trie-filter 在这里下载源码包


phpize
./configure --with-php-config=/usr/local/bin/php-config
make
make install


4. 修改 php.ini 文件,添加 trie_filter 扩展:extension=trie_filter.so,重启PHP。
查看phpinfo发现trie_filter 扩展可用,如下图所示:

5、生成用语检测的词典,由于上面下载的源码包中并没有带生成词典的命令 所以还需要下载官方的源码包
( https://code.google.com/p/as3chat/downloads/detail?name=trie_filter-2011-03-21.tar.gz)


tar zxf trie_filter-2011.03.21.tar.gz
cd trie_filter-2011.03.21

gcc -o dpp dpp.c -ldatrie // 生成dpp命令用语编译词典

./dpp words.txt words.dic  //将words.txt 编译成trie_filter使用的词典 words.txt中每个词占一行



生成词典的时候 报错:./dpp: error while loading shared libraries: libdatrie.so.1: cannot open shared object file: No such file or directory

解决办法:执行

ldconfig

然后在执行

./dpp words.txt words.dic


就好了

6、测试:

<?php
/**
* trie_filter 敏感词过滤示例
*
**/

// 载入词典,成功返回一个 Trie_Filter 资源句柄,失败返回 NULL
$file = trie_filter_load('./words.dic');
var_dump($file);
$str1 = '今天利用trie_filter做敏感词过滤示例';
$str2 = '今天利用trie_filter做过滤示例';
// 检测文本中是否含有词典中定义的敏感词(假设敏感词设定为:‘敏感词’)
$res1 = trie_filter_search_all($file, $str1);  // 一次把所有的敏感词都检测出来
$res2 = trie_filter_search($file, $str2);// 每次只检测一个敏感词
var_dump($res1);
echo "<br/>";
var_dump($res2);
trie_filter_free($file); //最后别忘记调用free

建议使用php 5.3.3以上的版本,我使用的是5.3.3

我使用5.2.17版本时候:trie_filter_search_all 这个函数会有错误
Tags - php , 敏感词 , trie_filter
作者:沧海一粟
Web系统架构与服务器运维,php开发
原文地址:利用PHP扩展trie_filter做中文敏感词过滤, 感谢原作者分享。

发表评论