👮♂️The sensitive word tool for java.(敏感词/违禁词/违法词/脏词。基于 DFA 算法实现的高性能 java 敏感词过滤工具框架。请勿发布涉及政治、广告、营销、翻墙、违反国家法律法规等内容。高性能敏感词检测过滤组件,附带繁体简体互换,支持全角半角互换,汉字转拼音,模糊搜索等功能。)
将所有的大写字母统一转换为小写
将所有的全角转换为半角
移除所有【空格】【符号】(这个就是各种符号的过滤了)
繁体字统一转换为简体字
最后保证信息的去重。
移除 QQ 号的类似数字
移除所有网址(.com、cn、.org)
移除纯英文
移除乱码 �
�
备份相关信息。
【stopword.txt】全量的 stop word 【stopword_zh.txt】仅仅包含中文的 stop word