说说敏感词

当代人除了自我剥削外，还十分擅长自我阉割，其中尤以中国人为甚。有些东西和规则是客观存在的，明明都看得见，然后笑而不语，都用 「the」或者 「它」来指代。戳破这一点的人，常常会陷入孤立处境，并被带上清高或者孤傲的高帽。 最近北京下雪了，高帽上积了不少雪，自是京城一景，也难得可以看见不少人相互脱帽致敬，十分快乐。

不妨来做做考究党？何时人类才有了「敏感词」这一说呢？在文字和阅读尚未普及之前，人类社会鲜有童年的概念，在活字印刷的推动下，文字得以大规模传播，成年与童年的概念开始变得界限分明。许多词语对于孩子就是敏感的，由此演化出「儿童读物」这一细分领域，尽力创造出一个美好、纯洁和繁荣的世界。淫秽的词语不应出现，暴力的词语的不应出现，反人类的词语不应出现。

在印刷术发明之前，一切人际交流都发生在一定的社会环境下。甚至连阅读所采用的也是口语模式，一个读者大声朗读，其他人随后跟上。但自从有了印刷的书籍之后，另一种传统便开始了：孤立的读者和他自己的眼睛。口腔无须再发声音，读者及其反应跟社会环境脱离开来，读者退回到自己的心灵世界。从16世纪至今，大多数读者对别人只有一个要求：希望他们不在旁边；若不行，则请他们保持安静。整个阅读的过程，作者和读者仿佛达成共谋，对抗社会参与和社会意识。 简而言之，阅读成为反社会的行为。

既然如此，敏感词便越过色情和暴力的边界，开始侵蚀思想的多样性，为学说和政见站台。

历史古籍和壁画碑刻中那些被扣去的部分，应用程序和 Web 界面中那些「 xxoo 」的部分，文本输入框中无法被发送出去的部分，都在暗示人类长久以来实施的一种 xx 制度。 （快看，笔者在自我阉割！🌚）

如果你感兴趣他们都是些什么词语， 文末「阅读原文」 可直达小窥一眼。👨🏻‍💻

https://github.com/observerss/textfilter/blob/master/keywords

讲讲最简单的敏感词过滤方案。对要进行检测的文本，遍历所有敏感词，逐个检测输入的文本中是否含有指定的敏感词。这种方式是最简单的敏感词过滤方案了，实现起来不难，示例代码如下：

@Test
    public void test1(){
        Set sensitiveWords=new HashSet<>();
        sensitiveWords.add("shit");
        sensitiveWords.add("蠢蛋");
        sensitiveWords.add("笨蛋");
        String text="你是蠢蛋啊";
        for(String sensitiveWord:sensitiveWords){
            if(text.contains(sensitiveWord)){
                System.out.println("输入的文本存在敏感词。——"+sensitiveWord);
                break;
            }
        }
    }

代码十分简单，但是这个方案有一个很大的问题是，随着敏感词数量的增多，敏感词检测的时间会呈线性增长。

破解起来也蛮简单， 空格、*、#、@等字符混用，或中英混用 ，但显而易见，它提高了沟通的成本，妨碍了信息自由。