我有一个PHP / MySQL驱动的网站，我在过去的6个月里没有维护过。这是一个用户来提交文章的网站。我有50.000篇文章，通过一些'临时'测试，我应该说大约50-60％是垃圾邮件和来自其他网站的复制粘贴文本。
我正在寻找一个PHP脚本，它将采用一些基本参数来标记/删除垃圾邮件文本（不是复制/粘贴，对于这一步只有纯垃圾邮件）所以我的想法是创建一个占用每个单元的脚本，计数字符，单词，不同的单词和短语用法和单词密度，并根据这些因素删除纯垃圾邮件（有很多重复的短语等）。因此，我将失去一整天，我的问题是：
PHP中是否已经开发了一些解决方案？ 如果我需要自己编写代码，我应该使用哪些参数来确定垃圾邮件？
答案 0 :(得分：2)
这是我过去使用的PHP类 - Basic Spam Class 我不是作者，因此我对代码可能造成的损害不承担任何责任。我用它来检查短文本 - 用户对网站的评论，所以我不确定50k长篇文章的表现，也许你需要做一些改进。但至少你有一些东西可以从中开始。
答案 1 :(得分：1)
也许您可以查看Akismet和Bad Behaviour。第一个分析您已经拥有的文章（以及未来的文章）和不良行为，以便在垃圾邮件进入您的数据库之前对其进行打击。
他们可能不太理想，但他们可以帮助你。
答案 2 :(得分：0)
我发现像这样的网站上的很多垃圾邮件都缺少文章。它们只包含一堆关键字和链接。您可以为最少数量的文章添加参数。如果帖子中只有不到1％是文章，则可以将其拒绝为垃圾邮件。
例如，如果您计算上段中the s an s a和some s的数量，则会得到3 a s和1 the（43个单词中共有4篇文章是9.3％）