我有一个过滤器，可以过滤像'ass' 'fuck'等脏话。现在我正在尝试处理像"f*ck"，"sh/t"这样的漏洞。
我可以做的一件事是将每个单词与具有此类漏洞的坏单词字典相匹配。但这是静态的，不是一个好方法。
我可以做的另一件事是，使用levelshtein距离。levenshtein distance = 1的单词应该被屏蔽。但这种方法也容易给出假阳性。
if(!ctype_alpha($text)&& levenshtein('shit', $text)===1)
{
//match
}
我正在寻找一些使用正则表达式的方法。也许我可以把levenshtein distance和regex结合起来，但是我算不出来。
就像评论中所说的那样，很难做到这一点。这个代码片段还远远不够完美，它将检查字母被相同数量的其他字符替换的匹配。
它可能会给你一个如何解决这个问题的总体思路，尽管如果你想让它更智能，还需要更多的逻辑。例如，这个过滤器不会过滤"fuck"，"fuck"，"f**ck"，"fck"，"fck"。Fuck '(带前导点)或' f
一个简单的更好的方法是，用一种更聪明的方式分割字符串，这样标点符号就不会粘在它们相邻的单词上。另一个改进是从每个单词中删除所有非字母字符，并检查其余字母在单词中的顺序是否相同。这样，'f'/ck'也会匹配'fuck'。不管怎样，让你的想象力尽情发挥吧，但要小心误报。相信我，"他们"总能找到一种方式来表达自己，绕过你的过滤器。
<?php
$badwords = array('shit', 'fuck');
$text = 'Man, I shot this f*ck, sh/t! fucking fucker sh!t fukk. I love this. ;)';
$words = explode(' ', $text);
// Loop through all words.
foreach ($words as $word)
{
$naughty = false;
// Match each bad word against each word.
foreach ($badwords as $badword)
{
// If the word is shorter than the bad word, it's okay.
// It may be bigger. I've done this mainly, because in the example given,
// 'f*ck,' will contain the trailing comma. This could be easily solved by
// splitting the string a bit smarter. But the added benefit, is that it also
// matches derivatives, like 'f*cking' or 'f*cker', although that could also
// result in more false positives.
if (strlen($word) >= strlen($badword))
{
$wordOk = false;
// Check each character in the string.
for ($i = 0; $i < strlen($badword); $i++)
{
// If the letters don't match, and the letter is an actual
// letter, this is not a bad word.
if ($badword[$i] !== $word[$i] && ctype_alpha($word[$i]))
{
$wordOk = true;
break;
}
}
// If the word is not okay, break the loop.
if (!$wordOk)
{
$naughty = true;
break;
}
}
}
// Echo the sensored word.
echo $naughty ? 'beep ' : ($word . ' ');
}