使用Regex替換壞詞

Question

我試圖創建一個壞的過濾器方法，我可以在每次插入和更新之前調用，以檢查字符串是否有任何壞詞並替換為“[Censored]”。

我有一個SQL表，有一個壞詞列表，我想把它們帶回來，並將它們添加到List或字符串數​​組，並檢查傳入的文本字符串，如果找到任何壞詞替換它們和返回一個過濾后的字符串。

我正在使用C＃。

Answer 1

在進行字符串替換之前，請查看此“clbuttic”（或針對您的案例cl [Censored] ic）文章，而不考慮單詞邊界：

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

更新

顯然不是萬無一失（參見上面的文章 - 這種方法很容易解決或產生誤報......）或優化（正則表達式應該被緩存和編譯），但以下將過濾掉整個單詞（沒有“clbuttics” ）和簡單的復數詞：

const string CensoredText = "[Censored]";
const string PatternTemplate = @"\b({0})(s?)\b";
const RegexOptions Options = RegexOptions.IgnoreCase;

string[] badWords = new[] { "cranberrying", "chuffing", "ass" };

IEnumerable<Regex> badWordMatchers = badWords.
    Select(x => new Regex(string.Format(PatternTemplate, x), Options));

string input = "I've had no cranberrying sleep for chuffing chuffings days -
    the next door neighbour is playing classical music at full tilt!";

string output = badWordMatchers.
   Aggregate(input, (current, matcher) => matcher.Replace(current, CensoredText));

Console.WriteLine(output);

給出輸出：

對於[截尾] [截尾]日，我沒有[截尾]睡眠 - 隔壁鄰居正在全速演奏古典音樂！

請注意，“經典”不會變成“cl [Censored] ical”，因為整個單詞與正則表達式匹配。

更新2

並且為了演示如何（以及通常基本的字符串\\模式匹配技術）可以輕易破壞的風格，請參閱以下字符串：

“我已經沒有為chuffıngchuffıngs天睡覺了 - 隔壁鄰居正在全速演奏古典音樂！”

我用“土耳其小寫”取代了“我”，取消了“ı”。 仍然看起來非常冒犯！

Answer 2

雖然我是Regex的忠實粉絲，但我認為這對你沒有幫助。 您應該將您的壞詞提取到字符串List或string Array中，並在傳入消息上使用System.String.Replace 。

也許更好，使用System.String.Split和.Join方法：

string mayContainBadWords = "... bla bla ...";
string[] badWords = new string[]{"bad", "worse", "worst"};

string[] temp = string.Split(badWords, StringSplitOptions.RemoveEmptyEntries);
string cleanString = string.Join("[Censored]", temp);

在示例中， mayContainBadWords是您要檢查的字符串; badWords是一個字符串數組，你從壞詞sql表加載， cleanString是你的結果。

Answer 3

您可以使用string.replace（）方法或RegEx類

Answer 4

還有一篇關於它的好文章可以在這里找到

通過一些html解析技巧，你可以獲得一個包含來自noswear的咒罵詞的大型列表