iPhone 版 Objective C 中的基本脏话过滤器

Question

你们志同道合的人如何应对过滤脏话的基本挑战，显然不可能解决所有情况，但最好有一个最基本的水平作为第一道防线。

在 Obj-c 中我有

NSString *tokens = [text componentsSeparatedByString:@" "];

然后我循环遍历每个标记，看看是否在每个标记中找到任何关键字（我在列表中找到了大约 400 个）。

认识到误报也是一个问题，如果该单词是完美匹配，则将其标记为亵渎，否则，如果发现超过 3 个带有亵渎的单词但不是完美匹配，则也会将其标记为亵渎。

稍后我将使用一个网络服务来更精确地解决这个问题，但我真的只需要一些基本的东西。所以如果你写了“阴茎”这个词，它就会变成“顽皮顽皮”，写得不好。

Answer 1

我只具有用于标记化的字符串的建议。你的方法效果很好，如果单词都是由字符串分开，但就是很少在大多数使用场景的情况下，你通常需要处理换行符，标点符号等，试试这个，如果你有兴趣：

NSMutableCharacterSet *separators = [NSMutableCharacterSet punctuationCharacterSet];

[separators formUnionWithCharacterSet:[NSCharacterSet whitespaceAndNewlineCharacterSet]];

NSArray *words = [bigString componentsSeparatedByCharactersInSet:separators];

来源： HTTP： //www.tech-recipes.com/rx/3418/cocoa-explode-break-nsstring-into-individual-words/

Answer 2

<强>淫秽过滤器：？坏主意，或难以置信Intercoursing坏主意

杰夫有一个有趣的文章着手这样的一段代码之前，需要考虑：

  

http://www.codinghorror.com/blog/2008/10/obscenity-filters-bad-idea-or-incredibly-intercoursing-bad-idea.html

Answer 3

那么，在这种方式搜索当然不是搜索亵渎最有效的方式......一个更有效的方法将是建立一个有限状态自动检测的话，并运行一次通过FSA的文本。你并不真的需要分割字符串找到亵渎，和所有的分裂增加了额外的分配和复制的开销，你不需要。此外，有可能在一些列入黑名单的话，你不被个别地搜索每个单词开发共同模式。

这是说，我觉得400个字是不少。谁，究竟是你的观众？如果用户有一个医疗问题？如果这样的问题实际上是不允许的？我只能认为这在任何情况下被认为是亵渎的话极少数的，所以你可能要重新考虑过滤。

Answer 4

有几件事：

• FSA 不一定会起作用，具体取决于您希望过滤器的智能程度
• 正则表达式通常非常慢，具体取决于您要运行的数量
• 400 字有点低，具体取决于您的需求和语言
• 过滤时需要注意许多极其棘手的情况，特别是嵌入“ASSume”等单词

我的公司 Inversoft 构建了一个商业过滤解决方案，它非常智能。它不使用正则表达式或 FSA，但具有定制的快速线性处理技术，使其极其快速和准确（每秒 4,000 多条消息）。它还包含多个类别的 600 多个英语单词，包括俚语、种族诽谤语、毒品、帮派、宗教等。

如果您正在寻找具有支持的智能上下文感知解决方案，您应该查看 Inversoft 的 Clean Speak。使用 XML WebService 将其连接到 Obj-C 应该很简单。