正则表达式匹配单词

Question

如何使用Java Regex来匹配禁止的单词，例如，如果我想禁用stackoverflow这个词，它将匹配stackoverflow，s t a c k o v e w l w和s-t-a-c-k-o-v-e-r-f-l-o-w。

这样做的目的是阻止人们在聊天中说禁止的话。正则表达式也必须工作，以便它们可以是任何一方的任何东西。例如，“转到stackoverflow，它是一个很好的网站”会检测到stackoverflow。

Answer 1

您可以做的是删除所有非字母数字字符here，然后匹配您的禁止字词。但这并不能完全消除向观众传达犯规的机会。例如，人们可以使用人类认知系统可以理解的leet，例如单词“Long”可以写成“| 0ng”我不会使用真实的例子来保持它的清洁。例如“亚历山大”可以是“/ \ | 3＆gt;＆lt; / \ | \ | c | 3 r”

Answer 2

虽然你要求一个特定的基于正则表达式的答案，但正则表达式并不总是可以扩展到需要的东西：特别是在处理不稳定的人类输入时。

有一些字符串相似性算法，当与Fairmutex的答案等简单的初步阶段相结合时，可以提供更全面的禁止过滤器。

使用的一种流行算法是Levenshtein Distance。虽然速度很快，但它主要依赖于单词的顺序，因此在“溢出堆栈”的输入中搜索“堆栈溢出”会给你一个负数。

对于我之前的项目，我使用了this聪明的算法，该算法考虑了后者的困境。虽然它有点重，但它比正则表达式和Levenshtein距离更好。

另一个想法是通过先前链接的Strike-a-Match算法运行输入，如果输入在相似性（例如，50％+匹配）之上超过特定阈值，则运行特定的通用leet过滤。这将在取代常用的leet发言的基础上发挥作用。例如“| \ |”无论间距如何，都会被“n”取代。