CN110852091A - 错别字的监测方法、装置、电子设备和计算机可读介质 - Google Patents

Abstract

本发明提供了一种错别字的监测方法、装置、电子设备和计算机可读介质，涉及网络安全的技术领域，包括：获取待检测网页中的文字；基于关键字字库和忽略字库，确定文字中是否存在错别字；基于关键字字库中的关键字的错误等级，确定出错别字的错误等级；若错别字的错误等级高于或等于预设等级，则将错别字发送给服务器，以使服务器基于错别字向用户发送告警信息，解决了现有技术中错别字的识别误报率较高的技术问题。

Description

错别字的监测方法、装置、电子设备和计算机可读介质

技术领域

本发明涉及网络安全技术领域，尤其是涉及一种错别字的监测方法、装置、电子设备和计算机可读介质。

背景技术

我国已经进入信息化时代，信息化给我们带来便利的同时，也给我们带来了烦恼。网站或公文中存在严重的文字错误，很容易被认为工作态度有问题。在网民、媒体广泛关注的互联网时代，一个严重的文字错误极易被网民、媒体利用，成为炒作的题材，其负面影响不次于一次网站被黑。所以，提高网站错别字监测告警技术就成为我们在信息化时代面临的重要任务。但是如何准确高效的确定出网页中的错别字成为了一种亟待解决的问题。

针对上述问题，还未提出有效的解决方案。

发明内容

有鉴于此，本发明的目的在于提供一种错别字的监测方法、装置、电子设备和计算机可读介质，以缓解了现有技术中错别字的识别误报率较高的技术问题。

第一方面，本发明实施例提供了一种错别字的监测方法，应用于云平台，包括：获取待检测网页中的文字；基于关键字字库和忽略字库，确定所述文字中是否存在错别字；基于所述关键字字库中的关键字的错误等级，确定出所述错别字的错误等级；若所述错别字的错误等级高于或等于预设等级，则将所述错别字发送给服务器，以使所述服务器基于所述错别字向用户发送告警信息。

进一步地，基于关键字字库和忽略字库，确定所述文字中是否存在错别字，包括：将所述文字与所述关键字字库中的关键字进行匹配，确定出所述文字中的初始错别字，其中，所述关键字字库中的关键字包括：所述云平台预设的关键字，所述用户设定的自定义关键字；对比所述初始错别字与所述忽略字库中的关键字，判断所述忽略字库中的关键字是否包含所述初始错别字；若判断出所述忽略字库中的关键字包含所述初始错别字，则确定所述初始错别字为所述错别字。

进一步地，所述方法还包括：若判断出所述忽略字库中的关键字不包含所述初始错别字，则确定所述初始错别字不是所述错别字。

进一步地，所述方法还包括：若所述错别字的错误等级低于所述预设等级，则基于所述错别字生成错别字报表。

进一步地，基于所述关键字字库中的关键字的错误等级，确定出所述错别字的错误等级，包括：将与所述错别字相匹配的关键字字库中的关键字的错误等级确定为所述错别字的错误等级，其中，所述错误等级用于表征所述错别字的危险程度。

第二方面，本发明实施例提供了一种错别字的监测装置，用于云平台，包括：获取单元，第一确定单元，第二确定单元和发送单元，其中，所述获取单元用于获取待检测网页中的文字；所述第一确定单元用于基于关键字字库和忽略字库，确定所述文字中是否存在错别字；所述第二确定单元用于基于所述关键字字库中的关键字的错误等级，确定出所述错别字的错误等级，其中，所述错误等级用于表征所述错别字的危险程度；所述发送单元用于若所述错别字的错误等级高于或等于预设等级，则将所述错别字发送给服务器，以使所述服务器基于所述错别字向用户发送告警信息。

进一步地，所述第一确定单元还用于：将所述文字与所述关键字字库中的关键字进行匹配，确定出所述文字中的初始错别字，其中，所述关键字字库中的关键字包括：所述云平台预设的关键字，所述用户设定的自定义关键字；对比所述初始错别字与所述忽略字库中的关键字，判断所述忽略字库中的关键字是否包含所述初始错别字；若判断出所述忽略字库中的关键字包含所述初始错别字，则确定所述初始错别字为所述错别字。

进一步地，所述第一确定单元还用于：若判断出所述忽略字库中的关键字不包含所述初始错别字，则确定所述初始错别字不是所述错别字。

第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面中任一项所述的方法的步骤。

第四方面，本发明实施例还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行上述第一方面中任一所述方法。

在本发明实施例中，获取待检测网页中的文字；基于关键字字库和忽略字库，确定文字中是否存在错别字；基于关键字字库中的关键字的错误等级，确定出错别字的错误等级，其中，错误等级用于表征错别字的危险程度；若错别字的错误等级高于或等于预设等级，则将错别字发送给服务器，以使服务器基于错别字向用户发送告警信息，达到了降低了待检测网页中的错别字的识别误报率，以及对待检测网页中的错别字进行告警的目的，进而解决了现有技术中错别字的识别误报率较高的技术问题，从而实现了降低了待检测网页中的错别字的识别误报率的技术效果。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种错别字的监测方法的流程图；

图2为本发明实施例提供的一种错别字的确定方法的流程图；

图3为本发明实施例提供的一种错别字的监测装置的示意图；

图4为本发明实施例提供的一种服务器的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在现有技术中，由于早期对网站错别字监测告警的不够重视，仅仅只能识别网站错别字，存在各方面的误报，无法满足网站管理人员要求。目前的技术，识别出来的错别字很多是已经通用或者混用的词语，用户不认为是错误的。同时目前的错别字监测结果，由于没有好的告警方式，管理人员无法实时掌握，快速发现，迅速修改。

网站错别字即网站的内容中存在文字错误。网站错别字问题由来已久，既有人为录入错误，也有大量使用O C R(Optical Character Recognition，光学字符识别)扫描设备形成的O C R识别错误。根据权威机构统计，目前中国网站平均存在错别字在5000个以上，错别字发生率在万分之八以上，而且随着O C R扫描设备的大量装备和发稿量激增，网站错别字发生率将呈快速增长趋势。

针对上述问题，提出以下方法，用于解决上述问题。

实施例一：

根据本发明实施例，提供了一种错别字的监测方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种错别字的监测方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取待检测网页中的文字；

步骤S104，基于关键字字库和忽略字库，确定所述文字中是否存在错别字；

步骤S106，基于所述关键字字库中的关键字的错误等级，确定出所述错别字的错误等级；

步骤S108，若所述错别字的错误等级高于或等于预设等级，则将所述错别字发送给服务器，以使所述服务器基于所述错别字向用户发送告警信息。

在本发明实施例中，通过获取待检测网页中的文字；基于关键字字库和忽略字库，确定文字中是否存在错别字；基于关键字字库中的关键字的错误等级，确定出错别字的错误等级，其中，错误等级用于表征错别字的危险程度；若错别字的错误等级高于或等于预设等级，则将错别字发送给服务器，以使服务器基于错别字向用户发送告警信息，达到了降低了待检测网页中的错别字的识别误报率，以及对待检测网页中的错别字进行告警的目的，进而解决了现有技术中错别字的识别误报率较高的技术问题，从而实现了降低了待检测网页中的错别字的识别误报率的技术效果。

需要说明的是，上述的云平台是用于基于远程监测技术可以有效的监测到网站错别字，同时可以自定义设置关键字、自定义忽略库配置和告警联系人的网站监测云计算平台。同时能对网站错别字进行短信、邮件等形式的告警。

另外，还需要说明的是，上述获取待检测网页中的文字可以采用爬虫软件爬取文字的方法。

另外，向用户发送告警信息可以根据用户提前设置好的告警时间段及告警方式进行判断，若在时间段内则根据不同的告警方式调用短信、邮件、电话等接口对用户进行告警，从而使用户能够及时的获取到告警信息，并对错别字进行修改，提高了用户的工作效率。

在本发明实施例中，当错别字的错误等级低于预设等级，则基于所述错别字生成错别字报表。需要说明的是，错别字的错误等级与错别字相匹配的关键字字库中的关键字的错误等级相同。

在本发明实施例中，如图2所示，步骤S104还包括如下步骤：

步骤S11，将所述文字与所述关键字字库中的关键字进行匹配，确定出所述文字中的初始错别字，其中，所述关键字字库中的关键字包括：所述云平台预设的关键字，所述用户设定的自定义关键字；

步骤S2，对比所述初始错别字与所述忽略字库中的关键字，判断所述忽略字库中的关键字是否包含所述初始错别字；

步骤S13，若判断出所述忽略字库中的关键字不包含所述初始错别字，则确定所述初始错别字为所述错别字。

在本发明实施例中，建立统一的云平台连接错别字引擎，平台允许客户自定义添加关键字和自定义忽略库配置，同时平台存在默认错别字关键字。针对所属关键字可以进行等级设置，上述的错误等级可以根据用于的实际需求自行设定，一般情况下包括：高危错别字、中危错别字、低危错别字、忽略错别字，按照顺序上述的安全等级所表征的错别字的危险程度依次下降。

云平台根据默认关键字和自定义关键字，通过匹配相关关键字结果进行判断是否存在错别字。

然后将错别字结果与自定义忽略库配置结果进行比对，确认本次扫描的最终错别字结果。防止部分已经通用或者混用的词语，用户不认为是错误的错别字进行告警，从而降低了现有技术中对待检测网页的错别字的识别误报率。

另外，还需要说明的是，如果判断出忽略字库中的关键字包含初始错别字，那么确定初始错别字不是所述错别字，无需发出告警信息，从而减少了错别字识别的告警信息，降低了用户的工作量。

实施例二：

本发明实施例还提供了一种错别字的监测装置，该错别字的监测装置主要用于执行本发明实施例上述内容所提供的错别字的监测方法，以下对本发明实施例提供的错别字的监测装置做具体介绍。

图3是根据本发明实施例的一种错别字的监测装置的示意图，如图3所示，该错别字的监测装置主要包括：获取单元10，第一确定单元20，第二确定单元30和发送单元40。

所述获取单元10用于获取待检测网页中的文字；

所述第一确定单元20用于基于关键字字库和忽略字库，确定所述文字中是否存在错别字；

所述第二确定单元30用于基于所述关键字字库中的关键字的错误等级，确定出所述错别字的错误等级，其中，所述错误等级用于表征所述错别字的危险程度；

所述发送单元40用于若所述错别字的错误等级高于或等于预设等级，则将所述错别字发送给服务器，以使所述服务器基于所述错别字向用户发送告警信息。

在本发明实施例中，通过获取待检测网页中的文字；基于关键字字库和忽略字库，确定文字中是否存在错别字；基于关键字字库中的关键字的错误等级，确定出错别字的错误等级，其中，错误等级用于表征错别字的危险程度；若错别字的错误等级高于或等于预设等级，则将错别字发送给服务器，以使服务器基于错别字向用户发送告警信息，达到了降低了待检测网页中的错别字的识别误报率，以及对待检测网页中的错别字进行告警的目的，进而解决了现有技术中错别字的识别误报率较高的技术问题，从而实现了降低了待检测网页中的错别字的识别误报率的技术效果。

可选地，所述第一确定单元还用于：将所述文字与所述关键字字库中的关键字进行匹配，确定出所述文字中的初始错别字，其中，所述关键字字库中的关键字包括：所述云平台预设的关键字，所述用户设定的自定义关键字；对比所述初始错别字与所述忽略字库中的关键字，判断所述忽略字库中的关键字是否包含所述初始错别字；若判断出所述忽略字库中的关键字不包含所述初始错别字，则确定所述初始错别字为所述错别字。

可选地，所述第一确定单元还用于：若判断出所述忽略字库中的关键字包含所述初始错别字，则确定所述初始错别字不是所述错别字。

可选地，所述第一确定单元还用于：若判断出所述忽略字库中的关键字不包含所述初始错别字，则确定所述初始错别字不是所述错别字。

可选地，所述装置还包括执行单元用于：若所述错别字的错误等级低于所述预设等级，则基于所述错别字生成错别字报表。

可选地，第二确定单元还用于：将与所述错别字相匹配的关键字字库中的关键字的错误等级确定为所述错别字的错误等级。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

本申请还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述错别字的监测方法中任一项所述的方法的步骤。

本申请还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行上述方法实施例中任一所述方法。

参见图4，本发明实施例还提供一种服务器100，包括：处理器50，存储器51，总线52和通信接口53，所述处理器50、通信接口53和存储器51通过总线52连接；处理器50用于执行存储器51中存储的可执行模块，例如计算机程序。

其中，存储器51可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口53(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。

总线52可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器51用于存储程序，所述处理器50在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器50中，或者由处理器50实现。

处理器50可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器50中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器50可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器51，处理器50读取存储器51中的信息，结合其硬件完成上述方法的步骤。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种错别字的监测方法，其特征在于，应用于云平台，所述方法包括：

获取待检测网页中的文字；

基于关键字字库和忽略字库，确定所述文字中是否存在错别字；

基于所述关键字字库中的关键字的错误等级，确定出所述错别字的错误等级；

若所述错别字的错误等级高于或等于预设等级，则将所述错别字发送给服务器，以使所述服务器基于所述错别字向用户发送告警信息。

2.根据权利要求1所述的方法，其特征在于，基于关键字字库和忽略字库，确定所述文字中是否存在错别字，包括：

将所述文字与所述关键字字库中的关键字进行匹配，确定出所述文字中的初始错别字，其中，所述关键字字库中的关键字包括：所述云平台预设的关键字，所述用户设定的自定义关键字；

对比所述初始错别字与所述忽略字库中的关键字，判断所述忽略字库中的关键字是否包含所述初始错别字；

若判断出所述忽略字库中的关键字不包含所述初始错别字，则确定所述初始错别字为所述错别字。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

若判断出所述忽略字库中的关键字包含所述初始错别字，则确定所述初始错别字不是所述错别字。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若所述错别字的错误等级低于所述预设等级，则基于所述错别字生成错别字报表。

5.根据权利要求1所述的方法，其特征在于，基于所述关键字字库中的关键字的错误等级，确定出所述错别字的错误等级，包括：

将与所述错别字相匹配的关键字字库中的关键字的错误等级确定为所述错别字的错误等级，其中，所述错误等级用于表征所述错别字的危险程度。

6.一种错别字的监测装置，其特征在于，应用于云平台，包括：获取单元，第一确定单元，第二确定单元和发送单元，其中，

所述获取单元用于获取待检测网页中的文字；

所述第一确定单元用于基于关键字字库和忽略字库，确定所述文字中是否存在错别字；

所述第二确定单元用于基于所述关键字字库中的关键字的错误等级，确定出所述错别字的错误等级；

所述发送单元用于若所述错别字的错误等级高于或等于预设等级，则将所述错别字发送给服务器，以使所述服务器基于所述错别字向用户发送告警信息。

7.根据权利要求6所述的装置，其特征在于，所述第一确定单元还用于：

将所述文字与所述关键字字库中的关键字进行匹配，确定出所述文字中的初始错别字，其中，所述关键字字库中的关键字包括：所述云平台预设的关键字，所述用户设定的自定义关键字；

对比所述初始错别字与所述忽略字库中的关键字，判断所述忽略字库中的关键字是否包含所述初始错别字；

若判断出所述忽略字库中的关键字不包含所述初始错别字，则确定所述初始错别字为所述错别字。

8.根据权利要求7所述的装置，其特征在于，所述第一确定单元还用于：

若判断出所述忽略字库中的关键字包含所述初始错别字，则确定所述初始错别字不是所述错别字。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至5中任一项所述的方法的步骤。

10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行上述权利要求1至5中任一项所述方法。

Images