Question

我有一个NSFW类，可以根据已知的NSFW单词列表扫描诸如项目名称和描述之类的文本。

这是测试类似字符串列表的最佳方法

    let nsfw = listof(
    "badword",
    "curseword",
    "ass",
    ... 200+ more
    )

针对类似这样的字符串：

This is the text that contains a badword // returns true

请注意，我需要检查完整的单词。不是单词的一部分。

所以这句话：

The grass is grean // returns false

因为草不是一个坏词。

我已经尝试过类似的操作，但是它不会检查完整的单词。

        val result =  nsfw.filter { it in sentence.toLowerCase() }

Answer 1

您可以构建像这样的正则表达式

\b(?:word1|word2|word3...)\b

请参见the regex demo。然后，将其与Regex.containsMatchIn method一起使用：

val nsfw = listOf(
    "badword",
    "curseword",
    "ass"
)
val s1 = "This is the text that contains a badword"
val s2 = "The grass is grean"
val rx = Regex("\\b(?:${nsfw.joinToString(separator="|")})\\b")
println(rx.containsMatchIn(s1)) // => true
println(rx.containsMatchIn(s2)) // => false

请参见this Kotlin demo。

在这里，nsfw.joinToString(separator="|")用管道（交替运算符）将单词连接在一起，"\\b(?:${nsfw.joinToString(separator="|")})\\b"创建正确的正则表达式。

如果您的单词可能包含特殊的正则表达式元字符，例如+，?，(，)等，则需要“预处理” {{1 }}值与Regex.escape method：

nsfw

请参见the Kotlin demo。

还有另一件事：如果关键字可以以字母，数字和下划线以外的字符开头/结尾，则您不能依赖val rx = Regex("\\b(?:${nsfw.map{Regex.escape(it)}.joinToString("|")})\\b") ^^^^^^^^^^^^^^^^^^^^^^字边界。您可以

使用空格边界：\b
使用明确的单词边界：val rx = Regex("(?<!\\S)(?:${nsfw.map{Regex.escape(it)}.joinToString("|")})(?!\\S)")

Answer 2

您可以在要检查的字符串上使用split()，以空格作为定界符，因此可以创建其单词列表，尽管这并不总是保证所有单词都会成功提取，因为可能还存在其他单词分隔符，例如点或逗号等。如果适合您，请执行以下操作：

val nsfw = listOf(
    "badword",
    "curseword",
    "ass"
)

val str = "This is the text that contains a badword"
val words = str.toLowerCase().split("\\s+".toRegex())
val containsBadWords = words.firstOrNull { it in nsfw } != null
println(containsBadWords)

将打印

true

如果要列出“坏词” ：

val badWords = words.filter { it in nsfw }

Kotlin检查字符串中的单词

2 个答案: