Question

我目前正在继承我继承的PHP网站。它包含一个评论功能，当前评论数据库中包含一堆垃圾评论，业主希望将其删除。

垃圾评论通常包括我目前正在匹配和删除的原始HTML或BBCode网址（评论不允许/呈现HTML），评论和名称与典型的关键字（免费，购买，优惠券，贷款，cialis，伟哥等）和随意的废话，一个例子：

他们将与酒店交叉核对。经过长时间的讨论，她絮絮叨叨说有关预订的有关人员离开了酒店的工作现在我可以获得备用酒店。我特意订了这个付了这么多钱之后就在海滩上的酒店但是我提供潘吉姆市的备用酒店，从那里到达海滩需要45-60分钟左右，还有入住的乐趣在我的家人的海滩上。我做出妥协的方式在Panjim的新酒店入住。但是在我入住新酒店时28日皇家帕克海滩度假村我惊呆了，看到所谓的3州星级酒店。酒店附近没有提到的地位卖包装。酒店质量完全低档。它更好与挖出的三级小标准小镇旅馆相匹配入口，便宜地完成了接待区，臭气熏天的房间和浴室，烧窗帘，劣质家具，接下来正在建设中到我的房间，破旧的浴室固定装置，脏地板，又脏又潮湿床单和整体不好的感觉。[我有所有照片的证明]我立即通知我的旅行状态的酒店，并希望替代酒店，但让我的旅行“继续告诉我等待他们将调查它。因为我的生病了，立即需要休息我别无选择，只能在这家酒店办理入住手续。同时我还在继续把Makemytrip叫了好几个小时但是有点好用。这浪费了一整个最后，我安排了一个新的正版四星级酒店房间租金是卢比。 5500 / - 每晚（远低于7211卢比/ - 预订此酒店通过我的旅行。我在2012年1月28日通知MakeMy旅行取消我的预订并全额退款。还寄给他们一封邮件这方面。我仍在为他们的积极回应而努力，但我是最不希望得到它。所以现在我正在接近法庭以获得我的会费和赔偿金.Arvinder

我一直在做字符串匹配并删除明显的术语，但它有点单调乏味。如果有人有一个有效的方法来做到这一点，我真的很想听到它。

Answer 1

由于您尚未定义垃圾邮件包含的内容，因此很难给出更具体的示例，但我会考虑使用与特定关键字匹配的正则表达式，数据中的模式

DELETE FROM `table` WHERE `field` REGEXP 'vigra|spam|example'

编辑：同样从您更新的示例中，您可以将垃圾邮件标记为具有特定字符长度：

DELETE FROM `table` 
WHERE `field` REGEXP 'vigra|spam|example'
OR LENGTH(`field`) > 500
... etc

Answer 2

我对我关注的其中一个应用程序有类似的问题。我称那些提供垃圾数据“小丑”的人，并且正在收集一套识别潜在小丑的规则。初始规则集非常基本（可能与您现在拥有的关键字类似）。根据我自己的观察和同事的提示，这套规则随着时间的推移而不断扩大。

注意我声明我识别潜在的小丑。可能包含小丑数据的表格会得到一个列IsClown，它可以代表“未经检查”，“潜在的小丑”，“不是小丑”，“是一个小丑”。我有一个自动过程来检查所有新数据。如果该过程与一个或多个规则匹配，则该条目被标记为“潜在的小丑”，并且人类使用简单的UI检查条目，或者将状态移动到“不是小丑”或“是小丑”。

这是否适合您取决于可以定义规则的程度以及您正在考虑的数据量。它对我有用，所以我想分享。

从MySQL数据库表中删除垃圾邮件

2 个答案: