<![CDATA[沧海一粟]]> http://www.dzhope.com/index.php zh-cn http://www.dzhope.com/post// <![CDATA[利用PHP扩展trie_filter做中文敏感词过滤]]> jed <jed521@163.com> Sat, 22 Oct 2016 12:28:25 +0000 http://www.dzhope.com/post//

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


wget http://linux.thai.net/pub/ThaiLinux/software/libthai/libdatrie-0.2.4.tar.gz
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 - , , ]]> http://www.dzhope.com/post//#blogcomment <![CDATA[[评论] 利用PHP扩展trie_filter做中文敏感词过滤]]> <user@domain.com> Thu, 01 Jan 1970 00:00:00 +0000 http://www.dzhope.com/post//#blogcomment