用于智能审查器的 PHP/Regex [重复]

Posted 2023-02-24

【中文标题】用于智能审查器的 PHP/Regex [重复]

【英文标题】：PHP/Regex for a smart censor [duplicate]

【发布时间】：2015-04-11 02:09:29

【问题描述】：

我正在寻找在 php 中使用 Regex 作为留言板的智能审查器。基本上，我有一个坏词数组（在正则表达式中）以及每个要使用的替换。我检测字母之间的空格以防止绕过审查员，但我挂断了有人有任何坏词的字母被 html 标记包裹。因此，如果“shit”被阻止，我可以用任意数量的空格捕捉“s h i t”，但如果有人这样做sh<b>i</b>t（i 用粗体标签包裹），它就会通过。这显然不可能发生，所以我被难住了。

这是我目前所拥有的：

$bad_words = array('/s\s*h\s*i\s*t/i'=>'s***');
$new_string = preg_replace(array_keys($bad_words), array_values($bad_words), $string);
return $new_string;

我曾想过用strip_tags() 包装$string，但是因为帖子的其余内容（不仅仅是被追捧的坏词）可能包含HTML，这会在返回时破坏整个留言板帖子。提供的任何帮助或见解将不胜感激！

【问题讨论】：

在你能用英语定义你的规则之前，不要用正则表达式来考虑这个。您将具体处理哪些案件？用一个代替字母 I 怎么样？要么 ！为我？美元换 S 怎么样？字母之间的标点符号怎么样，比如 MAS*H？用英文写出来，然后你就可以想代码了。

【参考方案1】：

事实是 - 无论你添加什么来抓住脏话，如果有人想找到解决方法，他们会的。你越是尝试阻止它，你就会得到更多的误报。

即使你现在的方法，如果有人输入“Push it to github”，你将把它变成“Pus*** to github”。

老实说，最好的办法是抓住明显的内容，并有办法将帖子标记为淫秽内容。

在这个网站上可以查看的一些很好的资源是：

How do you implement a good profanity filter?

和

"bad words" filter