# sensitive-stop-words
**Repository Path**: zhaolijerry/sensitive-stop-words
## Basic Information
- **Project Name**: sensitive-stop-words
- **Description**: 各类违禁词，可做系统的违禁词的基础数据
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-08-13
- **Last Updated**: 2026-08-13
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# sensitive-stop-words
**互联网中文敏感词、停止词词库**
[](LICENSE)
[](https://github.com/fwwdn/sensitive-stop-words/stargazers)
[](https://github.com/fwwdn/sensitive-stop-words/network/members)
[](https://github.com/fwwdn/sensitive-stop-words/issues)
[](CONTRIBUTING.md)
一个收录了互联网常用中文敏感词和停止词的综合词库，适用于内容审核、文本过滤、搜索引擎分词、自然语言处理等场景。
[快速开始](#快速开始) · [词库概览](#词库概览) · [使用示例](#使用示例) · [参与贡献](#参与贡献)
---
## 特性
- **分类全面** — 涵盖色情、政治、广告、涉枪涉爆、违规网址等多个维度
- **通用停止词** — 包含 1,800+ 条中文通用停止词，可用于搜索引擎和 NLP 分词
- **开箱即用** — 纯文本格式，无需额外依赖，任何编程语言均可直接读取
- **持续更新** — 社区驱动，欢迎提交 PR 补充新词条
- **宽松许可** — 基于 Apache 2.0 协议，可商业使用
## 词库概览
| 文件 | 分类 | 词条数 | 格式 | 说明 |
|------|------|--------|------|------|
| `色情类.txt` | 色情 | ~300 | 逗号分隔 | 涉及色情、成人内容的敏感词 |
| `政治类.txt` | 政治 | ~325 | 逗号分隔 | 涉及政治敏感人物、事件的关键词 |
| `广告.txt` | 广告 | ~120 | 每行一词 | 广告推广、垃圾信息相关词汇 |
| `涉枪涉爆违法信息关键词.txt` | 涉枪涉爆 | ~430 | 每行一词 | 枪支弹药、爆炸物等违法信息关键词 |
| `网址.txt` | 违规网址 | ~14,500 | 每行一条 | 违规或可疑网站域名黑名单 |
| `stopword.dic` | 停止词 | ~1,890 | 每行一词 | 中文通用停止词（标点、助词、连词等） |
> **编码说明**：所有文件均采用 UTF-8 编码。
## 快速开始
### 直接下载
```bash
git clone https://github.com/fwwdn/sensitive-stop-words.git
```
### 作为 Git Submodule
```bash
git submodule add https://github.com/fwwdn/sensitive-stop-words.git data/sensitive-words
```
## 使用示例
### Python
```python
def load_words(filepath, delimiter='\n'):
"""加载词库文件"""
with open(filepath, 'r', encoding='utf-8') as f:
content = f.read()
if delimiter == ',':
return [w.strip() for w in content.split(',') if w.strip()]
return [line.strip() for line in content.splitlines() if line.strip()]
# 加载停止词
stopwords = load_words('stopword.dic')
# 加载敏感词（逗号分隔格式）
porn_words = load_words('色情类.txt', delimiter=',')
# 加载敏感词（每行一词格式）
ad_words = load_words('广告.txt')
# 文本过滤示例
def contains_sensitive(text, word_list):
"""检测文本是否包含敏感词"""
return [w for w in word_list if w in text]
result = contains_sensitive("这是一段测试文本", ad_words)
if result:
print(f"检测到敏感词: {result}")
```
### Java
```java
import java.io.*;
import java.nio.charset.StandardCharsets;
import java.nio.file.*;
import java.util.*;
import java.util.stream.*;
public class SensitiveWordFilter {
public static Set loadWords(String path) throws IOException {
return Files.lines(Paths.get(path), StandardCharsets.UTF_8)
.map(String::trim)
.filter(s -> !s.isEmpty())
.collect(Collectors.toSet());
}
public static Set loadCommaSeparated(String path) throws IOException {
String content = new String(Files.readAllBytes(Paths.get(path)), StandardCharsets.UTF_8);
return Arrays.stream(content.split(","))
.map(String::trim)
.filter(s -> !s.isEmpty())
.collect(Collectors.toSet());
}
public static boolean containsSensitive(String text, Set words) {
return words.stream().anyMatch(text::contains);
}
}
```
### Go
```go
package sensitive
import (
"os"
"strings"
)
func LoadWords(filepath string) ([]string, error) {
data, err := os.ReadFile(filepath)
if err != nil {
return nil, err
}
var words []string
for _, line := range strings.Split(string(data), "\n") {
w := strings.TrimSpace(line)
if w != "" {
words = append(words, w)
}
}
return words, nil
}
func ContainsSensitive(text string, words []string) []string {
var matched []string
for _, w := range words {
if strings.Contains(text, w) {
matched = append(matched, w)
}
}
return matched
}
```
### Node.js
```javascript
const fs = require('fs');
const path = require('path');
function loadWords(filepath, delimiter = '\n') {
const content = fs.readFileSync(filepath, 'utf-8');
return content.split(delimiter)
.map(w => w.trim())
.filter(Boolean);
}
const stopwords = loadWords(path.join(__dirname, 'stopword.dic'));
const adWords = loadWords(path.join(__dirname, '广告.txt'));
const pornWords = loadWords(path.join(__dirname, '色情类.txt'), ',');
function containsSensitive(text, wordList) {
return wordList.filter(w => text.includes(w));
}
```
## 项目结构
```
sensitive-stop-words/
├── 色情类.txt # 色情类敏感词
├── 政治类.txt # 政治类敏感词
├── 广告.txt # 广告类敏感词
├── 涉枪涉爆违法信息关键词.txt # 涉枪涉爆类敏感词
├── 网址.txt # 违规网址黑名单
├── stopword.dic # 中文通用停止词
├── scripts/ # 工具脚本
│ └── validate.py # 数据验证脚本
├── examples/ # 使用示例
│ ├── python_example.py
│ ├── java_example.java
│ └── node_example.js
├── CONTRIBUTING.md # 贡献指南
├── CHANGELOG.md # 变更日志
├── CODE_OF_CONDUCT.md # 行为准则
├── SECURITY.md # 安全策略
└── LICENSE # Apache 2.0 许可证
```
## 常见使用场景
| 场景 | 推荐词库 | 说明 |
|------|----------|------|
| 论坛 / 社区内容审核 | 色情类 + 政治类 + 广告 | 过滤用户发布的不当内容 |
| 搜索引擎分词 | stopword.dic | 去除无意义的停止词提高搜索精度 |
| 爬虫数据清洗 | 全部词库 | 对采集数据做多维度清洗 |
| 垃圾邮件 / 短信过滤 | 广告 + 网址 | 识别推广类垃圾信息 |
| 电商评论审核 | 广告 + 色情类 | 过滤商品评论中的违规内容 |
| 新闻舆情监控 | 政治类 | 监测政治敏感话题 |
## 参与贡献
我们欢迎任何形式的贡献！无论是新增词条、修复错误还是改进文档，请参阅 [CONTRIBUTING.md](CONTRIBUTING.md) 了解详细的贡献流程。
### 快速贡献
1. Fork 本仓库
2. 创建特性分支：`git checkout -b feature/add-new-words`
3. 提交更改：`git commit -m 'feat: 新增 XX 类敏感词'`
4. 推送分支：`git push origin feature/add-new-words`
5. 创建 Pull Request
## 免责声明
本词库仅用于内容安全审核、自然语言处理等技术研究与合法用途。使用者应自行承担合规责任，本项目不对使用者的行为及后果负责。词库内容来源于互联网公开信息整理，如有侵权请及时联系删除。
## 许可证
本项目基于 [Apache License 2.0](LICENSE) 开源。
---
如果这个项目对你有帮助，请点个 Star :star: 支持一下！