“脏话”过滤器[关闭]

StackOverflow https://stackoverflow.com/questions/24515

  •  09-06-2019
  •  | 
  •  

题

技术含量不是很高，但是...我必须在我们正在开发的新网站中实施坏词过滤器。所以我需要一个“好”坏词列表来为我的数据库提供...有什么提示/方向吗？用谷歌环顾四周我 找到了这个 一个，这只是一个开始，但仅此而已。

是的，我知道这种过滤器很容易逃脱......但客户的意愿就是客户的意愿！:-)

该网站必须过滤掉英语和意大利语单词，但对于意大利语，我可以请我的同事帮助我制作社区构建的“parolacce”列表:-) - 一封电子邮件就可以了。

谢谢你的帮助。

有帮助吗？

解决方案

我没有看到任何指定的语言，但你可以将它用于 PHP，它将为每个插入的工作生成一个正则表达式，这样即使是故意的拼写错误（即@ss, i3itch ) 也会被抓住。

<?php

/**
 * @author unkwntech@unkwndesign.com
 **/

if($_GET['act'] == 'do')
 {
    $pattern['a'] = '/[a]/'; $replace['a'] = '[a A @]';
    $pattern['b'] = '/[b]/'; $replace['b'] = '[b B I3 l3 i3]';
    $pattern['c'] = '/[c]/'; $replace['c'] = '(?:[c C (]|[k K])';
    $pattern['d'] = '/[d]/'; $replace['d'] = '[d D]';
    $pattern['e'] = '/[e]/'; $replace['e'] = '[e E 3]';
    $pattern['f'] = '/[f]/'; $replace['f'] = '(?:[f F]|[ph pH Ph PH])';
    $pattern['g'] = '/[g]/'; $replace['g'] = '[g G 6]';
    $pattern['h'] = '/[h]/'; $replace['h'] = '[h H]';
    $pattern['i'] = '/[i]/'; $replace['i'] = '[i I l ! 1]';
    $pattern['j'] = '/[j]/'; $replace['j'] = '[j J]';
    $pattern['k'] = '/[k]/'; $replace['k'] = '(?:[c C (]|[k K])';
    $pattern['l'] = '/[l]/'; $replace['l'] = '[l L 1 ! i]';
    $pattern['m'] = '/[m]/'; $replace['m'] = '[m M]';
    $pattern['n'] = '/[n]/'; $replace['n'] = '[n N]';
    $pattern['o'] = '/[o]/'; $replace['o'] = '[o O 0]';
    $pattern['p'] = '/[p]/'; $replace['p'] = '[p P]';
    $pattern['q'] = '/[q]/'; $replace['q'] = '[q Q 9]';
    $pattern['r'] = '/[r]/'; $replace['r'] = '[r R]';
    $pattern['s'] = '/[s]/'; $replace['s'] = '[s S $ 5]';
    $pattern['t'] = '/[t]/'; $replace['t'] = '[t T 7]';
    $pattern['u'] = '/[u]/'; $replace['u'] = '[u U v V]';
    $pattern['v'] = '/[v]/'; $replace['v'] = '[v V u U]';
    $pattern['w'] = '/[w]/'; $replace['w'] = '[w W vv VV]';
    $pattern['x'] = '/[x]/'; $replace['x'] = '[x X]';
    $pattern['y'] = '/[y]/'; $replace['y'] = '[y Y]';
    $pattern['z'] = '/[z]/'; $replace['z'] = '[z Z 2]';
    $word = str_split(strtolower($_POST['word']));
    $i=0;
    while($i < count($word))
     {
        if(!is_numeric($word[$i]))
         {
            if($word[$i] != ' ' || count($word[$i]) < '1')
             {
                $word[$i] = preg_replace($pattern[$word[$i]], $replace[$word[$i]], $word[$i]);
             }
         }
        $i++;
     }
    //$word = "/" . implode('', $word) . "/";
    echo implode('', $word);
 }

if($_GET['act'] == 'list')
 {
    $link = mysql_connect('localhost', 'username', 'password', '1');
    mysql_select_db('peoples');
    $sql = "SELECT word FROM filters";
    $result = mysql_query($sql, $link);
    $i=0;
    while($i < mysql_num_rows($result))
     {
        echo mysql_result($result, $i, 'word') . "<br />";
        $i++;
     }
     echo '<hr>';
 }
?>
<html>
    <head>
        <title>RegEx Generator</title>
    </head>
    <body>
        <form action='badword.php?act=do' method='post'>
            Word: <input type='text' name='word' /><br />
            <input type='submit' value='Generate' />
        </form>
        <a href="badword.php?act=list">List Words</a>
    </body>
</html>

其他提示

提防 混乱的错误.

“苹果犯了一个严重的错误，强迫他们放弃远见——我的意思是，看看 NeXT 都做了什么！”

唔。“混乱”。

谷歌“clbuttic” - 数千次点击！

有人称他的车为“clbuttic”。

有“Clbuttic Steam Engine”留言板。

韦氏词典 - 没有帮助。

唔。这可能是什么？

暗示：当他们重复此Mbuttive错误时，对他们的正则脚本进行屁股的人会很尴尬。

Shutterstock 有一个 Github 存储库，其中包含 坏词列表 用于过滤。

您可以在这里查看： https://github.com/shutterstock/List-of-Dirty-Naughty-Obscene-and-Otherwise-Bad-Words

如果有人需要 API，谷歌目前提供了一个坏词指示器。

http://www.wdyl.com/profanity?q=naughtyword

{
response: "false"
}

更新：谷歌现在已经删除了这项服务。

我想说的是，当您发现帖子时就将其删除，并阻止帖子过于明确的用户。您可以在不使用任何脏话的情况下说出非常无礼的话。如果你屏蔽了“ass”（又名“donkey”）这个词，那么人们只会输入 a$$ 或 /\55，或者他们需要输入的任何其他内容来通过过滤器。

关于 Clbuttic 错误+1，我认为“坏词”过滤器扫描前导空格和尾随空格（例如“ass”）非常重要，而不是仅扫描确切的字符串，这样我们就不会出现像 clbuttic 这样的单词、 clbuttes、butt、buttess 等

您始终可以说服客户建立一个用户会话，只是不断地发布脏话，并制定一个简单的解决方案将它们添加到系统中。这是一项艰巨的工作，但可能更能代表社区。

在研究这个主题时，我确定需要的不仅仅是一个可以进行任意替换的列表。我建立了一个网络服务，可以让您确定您想要的“清洁度”级别。它还努力识别误报 - 即某个词在某种情况下可能不好，但在其他情况下则不然。看一眼 http://filterlanguage.com

许可以下： CC-BY-SA 和 归因
不隶属于 StackOverflow
scroll top