C'è un modo per filtrare le parole offensive da Jcaptcha?

Question

Stiamo usando JCaptcha per uno strumento captcha in una piccola applicazione che la mia squadra sta scrivendo. Tuttavia, proprio durante il periodo di sviluppo (su una piccola squadra - 4 di noi), abbiamo eseguito una serie di parolacce e altre parole potenzialmente offensive per i captcha reali. C'è un modo per filtrare parole potenzialmente offensive in modo che non vengano presentate all'utente?

Answer 1

ho passato il tempo a scaricare JCaptcha e guardando la fonte. In pratica funziona come JCatpcha ogni singolo captcha là fuori oltre reCAPTCHA. Quindi quello che vuoi è banale.

JCaptcha sta usando il semplice concetto di una WordGenerator, che è e l'interfaccia:

public interface WordGenerator { 
    String getWord(Integer length); 
    String getWord(Integer length, Locale locale); 
} 

Cerchiamo di ignorare localizzazione.

utilizzo tipico è così:

WordGenerator words = ... 
WordToImage word2image = new SimpleWordToImage(); 
ImageCaptchaFactory factory = new GimpyFactory(words, word2image); 
pixCaptcha = factory.getImageCaptcha(); 

Nelle loro unit test possiamo vedere, a scopo di test:

WordGenerator words = new DummyWordGenerator("TESTING"); 
    WordToImage word2image = new SimpleWordToImage(); 
    ImageCaptchaFactory factory = new GimpyFactory(words, word2image); 
    pixCaptcha = factory.getImageCaptcha(); 

noti che abbiamo INTERO controllo sul "WordGenerator" usato .

Eccone uno (di lavoro, perfettamente funzionante) generatore di parola che ho appena scritto:

private static final Random r = new Random(System.currentTimeMillis()); 

public String getWord(final Integer length) { 
    final StringBuilder sb = new StringBuilder(); 
    for (int i = 0; i < length; i++) { 
     final int rnd = r.nextInt(52); 
     final char c = (char) (rnd < 26 ? 'a' + rnd : 'A' + (rnd-26)); 
     sb.append(c); 
    } 
    return sb.toString(); 
} 

Genera "parole" casuali come questi:

fqXVxId 
cdVWBSZ 
zXeJFaY 
aeoSeEb 
OuBfzvL 
unYewjG 
EhbzRup 
GkXkTyQ 
yDGnHmh 
mRFgHWM 
FFBkTLF 
DvCHIIT 
fDmjqLH 
XMWSOpa 
muukLLN 
jUedgYK 
FlbWARe 
WohMMgZ 
lmeLHau 
djHRqlc 

Si noti che, se si preferisce "parole reali" (come reCaptcha, ma reCaptcha sta usando la parola vera per un altro altogheter scopo - perché aiuta a scansione/OCR libri) non è un problema, è sufficiente modificare getword (...) a scegliere a caso le parole da un dizionario.

Ora come si fa a evitare parole insultanti per essere prelevati? Questo è banale. Qui ho solo dare un esempio (per favore, non discutere sul codice, è davvero solo un esempio che mostra come si potrebbe essere fatto):

private static final Set<String> s = new HashSet<String>(); 

static { 
    s.add("f**k"); 
    s.add("suck"); 
    s.add("dick"); 
} 

private static final Random r = new Random(System.currentTimeMillis()); 

public String getWord(Integer length) { 
    String cand = getRandomWord(length); 
    while (isSwearWord(cand)) { 
     cand = getRandomWord(length); 
    } 
    return cand; 
} 

private boolean isSwearWord(final String w) { 
    return s.contains(w.toLowerCase()); 
} 

public String getRandomWord(final Integer length) { 
    final StringBuilder sb = new StringBuilder(); 
    for (int i = 0; i < length; i++) { 
     final int rnd = r.nextInt(52); 
     final char c = (char) (rnd < 26 ? 'a' + rnd : 'A' + (rnd-26)); 
     sb.append(c); 
    } 
    return sb.toString(); 
} 

Ora, se si vuole evitare parolacce, si probabilmente anche desidera evitare quelli vicini a parolacce (es. "fvck" e "dikk" ecc.). Questa è ancora una volta banale:

private boolean isSwearWord(final String w) { 
    List<String> ls = generateAllPermutationsWithLevenhsteinEditDistanceOne(w); 
    for (final String cand : ls) { 
     if (s.contains(cand.toLowerCase())) { 
      return true; 
     } 
    } 
    return false; 
} 

scrittura del metodo "generateAllPermutationsWithLevenhsteinEditDistanceOne (w)" viene lasciato come exercice al lettore.