Question

我写了一些补充条件，以消除我在网站上收到的一些垃圾邮件。它大大减少了滥用，但也有一些误报的测试案例。有没有人建议如何避免其中的一些？

首先，代码搜索消息以确保不包含任何特定关键字。然后，使用两个正则表达式。

某些垃圾邮件是以随机字，字符和4位以上的整数字符串形式出现的，因此第一个正则表达式会检查并阻止这些情况。但是，当用户引用其他用户发帖时，它会使用字符＆gt;＆gt;＆gt; +帖子编号＆＃39;，返回误报。

我添加了另一个处理条件，其中包含＆gt;＆gt;的帖子加3位或更多位数将被忽略。

到目前为止，代码大部分都有效，但是在测试中我已经注意到了句子＆＃34;我有2000只鸡＆＃34;报告误报，因为空格包含在第一个正则表达式的任何字符条件中。我可以很容易地不计算这里的空格字符，但是一些垃圾邮件就是那种形式（＆＃34;随机字23450＆＃34;）。

到目前为止我的代码：

foreach ($bannedwords as $bannedphrase) {
    //see if banned phrase is in the message body
    $pos = strpos($lowercaseBody, $bannedphrase);
    //if it is, or if it contains the regex expression, ban the user.
    if ($pos !== FALSE || preg_match('/.+\d{4}/', $lowercaseBody) && !preg_match('/[>>]+\d{3}/',  $lowercaseBody)){         
        require_once 'inc/mod/ban.php';
        Bans::new_ban($_SERVER['REMOTE_ADDR'], 'Suspected Spammer.', '86400', $_POST['board'] == '*' ? false : $_POST['board']);
        error($config['error']['bannedword']);
    }       
}

表达式[^] + \ d {4}用于允许误报，但再次允许以＆＃34;随机3459＆＃34;形式的垃圾邮件。

从垃圾邮件机器人发布的一些示例包括： demetrius3204 dialog.2345 距离33456 神$ 4598

最初所有的帖子都有5位以上的数字，但它[或者垃圾邮件发送者]知道我的反制措施并改为4位数，所以我再次改变，似乎就是这个伎俩。

然后有一些帖子，像＃34; weorasdsodfh＆＃34;或＆＃34; asdfjk＆＃34; ..

正则表达式在反垃圾邮件脚本中得到误报

0 个答案: