Reemplazar palabras incorrectas usando Regex

Question

Estoy tratando de crear un método de filtro de palabras incorrectas al que pueda llamar antes de cada inserción y actualización para verificar la cadena en busca de palabras incorrectas y reemplazarla por "[censurado]".

Tengo una tabla SQL con una lista de palabras incorrectas, quiero traerlas de vuelta y agregarlas a una lista o matriz de cadenas y verificar a través de la cadena de texto que se ha pasado y si hay malas palabras encontró reemplazarlos y devolver una cadena filtrada.

Estoy usando C# para esto.

Answer 1

Consulte este "clbuttic" (o para su caso cl [censurado] ic) del artículo antes de hacer una cadena sustituir sin tener en cuenta los límites de palabra:

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

actualización

Obviamente no

infalible (consulte el artículo anterior: este enfoque es tan fácil de evitar o producir falsos positivos ...) u optimizado (las expresiones regulares deben almacenarse en caché y compilarse), pero lo siguiente filtrará palabras completas (no "clbuttics") y plurales simples de palabras:

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); 

proporciona la salida:

No he tenido [censurado] sueño durante días [censurado] [censurado] - el vecino de al lado está reproduciendo música clásica a toda velocidad!

Tenga en cuenta que "classical" no se convierte en "cl [Censored] ical", ya que las palabras completas se corresponden con la expresión regular.

Actualización 2

Y para demostrar una idea de cómo esto (y en la cadena \ patrón general de base técnicas de juego) puede ser subvertido fácilmente, ver la siguiente cadena:

"yo' No he dormido nada de arándano durante los días felices: ¡el vecino de al lado está tocando música clásica a toda velocidad! "

He reemplazado las "i" con mayúsculas indizadas "ı" 's. ¡Todavía parece bastante ofensivo!

Answer 2

puede utilizar String.Replace() método o clase RegEx

Answer 3

Aunque soy un gran fan de expresiones regulares, creo que no le ayudará aquí. Debería buscar su palabra incorrecta en una lista de cadenas o en una matriz, y usar System.String.Replace en su mensaje entrante.

Tal vez mejor, utilizar System.String.Split y métodos: .Join

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

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

en la muestra, mayContainBadWords es la cadena que desea comprobar; badWords es una matriz de cadenas, se carga desde la tabla de palabras incorrectas sql y cleanString es su resultado.

Answer 4

También hay un buen artículo sobre el tema que puede E encontrado here

con un poco de conocimientos de HTML-análisis, se puede obtener una lista grande con malas palabras de noswear