Sostituisci le parolacce usando Regex

Question

Sto provando a creare un metodo di filtro di parolacce che posso chiamare prima di ogni inserto e aggiornamento per controllare la stringa di eventuali parolacce e sostituirla con "[Censored]".

Ho una tabella SQL con una lista di parolacce, voglio riportarli indietro e aggiungerli ad una lista o ad una stringa di archi e controllare attraverso la stringa di testo che è stata passata e se sono presenti parolacce trovato li sostituisce e restituisce una stringa filtrata.

Sto usando C# per questo.

Answer 1

Si prega di vedere questo "clbuttic" (o per il vostro caso cl [censurato] IC) articolo prima di fare una stringa sostituire senza considerare i confini di parola:

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

Aggiornamento

non

Ovviamente infallibile (vedi articolo sopra - questo approccio è così facile da aggirare o produrre falsi positivi ...) o ottimizzato (le espressioni regolari dovrebbero essere memorizzate nella cache e compilate), ma quanto segue filtra le parole intere (senza "clbuttics") e semplici plurali di parole:

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); 

Dà l'output:

ho avuto nessun [Censored] sonno per [Censored] giorni [Censored] - il vicino di casa sta giocando la musica classica a tutta velocità!

Si noti che "classico" non diventa "cl [Censored] ical", poiché le parole intere sono abbinate all'espressione regolare.

Update 2

E per dimostrare un sapore di come questo (e in generale stringa \ modello di base delle tecniche di corrispondenza) può essere facilmente sovvertito, vedere la seguente stringa:

"I' Non ho avuto il sonno del cranberry per i giorni di chuffıng chuffıngs - il vicino di casa sta suonando musica classica a pieno ritmo! "

Ho sostituito le "i" con la lettera minuscola turca non regolata "ı". Sembra ancora abbastanza offensivo!

Answer 2

è possibile utilizzare String.Replace() metodo o RegEx classe

Answer 3

Anche se io sono un grande fan di Regex, penso che non vi aiuterà qui. Dovresti recuperare la parolaccia in una stringa List o in una matrice di stringhe e usare System.String.Replace sul tuo messaggio in arrivo.

Forse meglio, utilizzare System.String.Split e .Join metodi:

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

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

Nel campione, mayContainBadWords è la stringa che si desidera controllare; badWords è un array di stringhe, si carica dalla tabella sql di parole non valide e il risultato è cleanString.

Answer 4

C'è anche un bel articolo su di esso, che può e trovato here

con un po 'abilità html-analisi, è possibile ottenere un elenco di grandi dimensioni con le parolacce da noswear