Question

我正在运行一个约会网站，并且有一个人们输入他们的个人资料的地方 - 我已经有一个坏词过滤器，但现在我有一个问题，人们输入的个人资料只是垃圾字符或只是“aaaaaaaaaaaaaaaaaa”或者“--------------”等我正在寻找一种有效的方法来过滤重复字符的长字。提前谢谢。

Answer 1

也许你需要一些bayesian spam filter - 类似的过滤器。

特定词语在垃圾邮件和合法电子邮件中具有特定概率。例如，大多数电子邮件用户经常会在垃圾邮件中遇到“伟哥”这个词，但很少会在其他电子邮件中看到它。过滤器事先不知道这些概率，必须首先进行训练，以便能够建立它们。要训练过滤器，用户必须手动指示新电子邮件是否为垃圾邮件。 ...

Answer 2

这应该这样做（但它也会替换双字符，也许你需要编辑一下）：

preg_replace('{(.)\1+}','$1',$text);

OT：无法相信仍有人使用bad-word filters ...

Answer 3

您可以使用单词列表，并标记每个不包含在列表中的长单词（例如5个字符）的消息 - 如果该字段包含5个8个字母的单词，其中没有单词在字典中，则为< em>可能这不是有意义的数据。