利用PHP扩展trie_filter做中文敏感词过滤

jed , 2016-10-22 20:28 , 服务器技术 , 评论(0) , 阅读(35691) , Via 本站原创

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

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