敏感词过滤系统的过滤规则初稿
By lincanbin
at 2016-04-25
0人收藏 • 5126人看过
<?php
/*
关键词均支持正则表达式，过多的过滤会影响性能
'fuck' => 'f**k',
以上规则表示发表含fuck的内容，会被过滤为f**k
'敏感词0|敏感词1|敏感词2' => '***',
以上规则代表过滤以"|"分割的三个敏感词，自动替换为“***”
'我们怎么能不支持特首？' => array(false, 0),
以上规则禁止发布含“我们怎么能不支持特首？”的内容
'董先生连任兹瓷不兹瓷' => array(false, 30),
以上规则禁止发布含“董先生连任兹瓷不兹瓷”的内容，并且尝试发表该内容的用户，即使发布已经失败了，但也会被续(jin)掉(yan)30秒生命
'包子' => array('维尼', 30),
以上规则表示发表含'包子'的内容，会被过滤为'维尼'，并且在内容发表成功后，需要再等30秒才能发言（禁言）
*/
return array(
'fuck' => 'f**k',
'敏感词0|敏感词1|敏感词2' => '***',
'我们怎么能不支持特首？' => array(false, 0),
'董先生连任兹瓷不兹瓷' => array(false, 30),
'包子' => array('维尼', 30),
);计划支持以上几类过滤规则，支持敏感词的替换、禁止，与用户禁言等功能，同时还要完全支持正则表达式。
当然，要注意：过多、过复杂的正则表达式，会影响性能。
用户可以利用系统提供的过滤特性，自由制定过滤规则。
- 登录后方可回帖
还有就是，代码写好了，但是还没在官网上线，所以这个功能还没用。
就算上线了，也希望各位也不要以身试法，毕竟触发敏感词，可能会被自动禁言很久很久。
有兴趣的朋友，也可以对敏感词进行分类。
看看那种是禁止发布的，哪种是可以替换的，那种是需要惩罚的。
然后做一份规则共享。
不过话说我不怎么喜欢这种审查。
对于中文这种过滤效果很差，中文表达的方式太丰富了，不过支持你练手！
回复#3 @小虫哥哥 :
支持RegEX了，没过滤到只能是自己的规则没写好。
回复#4 @lincanbin :
对于中文，除非封单字，要不然都有其它的千奇百怪的方式来表达的
正式推出来后，敏感字是要在代码里一个个加，还是直接在后台加？
回复#7 @和坤和大人 :
https://github.com/lincanbin/Carbon-Forum/blob/master/includes/Filtering.words.config.php
直接把规则写在这个文件里。
网页上还是不适合编辑过多的内容。
回复#8 @lincanbin :
还是觉得能直接在后台改比较好，每当发现新的敏感字时，我需要FTP到服务器，找到这个文件，打开编辑保存，如果人在外边没电脑用，网站出现意料之外的敏感字，就显得有些被动了
回复#9 @和坤和大人 :
现在有智能手机啊，智能手机都有FTP……
回复#10 @lincanbin :
还是觉得麻烦，我比较喜欢傻瓜化的便捷操作
回复#11 @和坤和大人 :
编辑文件已经够简单了。
回复#12 @lincanbin :
也许这就是理科和文科思维上的差异了
我是来学习敏感词的 
不用放后台，兹辞 。
說真的我覺得"過濾"敏感詞不大有效。真要發有很多技巧發的出意思。
後台批量搜索"自訂關鍵字"，然後可以選擇刪除或替代可能還比較有效，不過文章一多就會很慢就是了。
回复#18 @lincanbin :
覺得可有可無的功能不用花這麼大心力。
貝葉斯方法我沒學過，但用算法處理違禁詞這樣是不是會多一次查詢?