從給出的字符串中去除褻瀆詞的正確方法是什麼：
1）我有一個包含100個單詞列表的字符串數組。 2）處理部分單詞的正確方法是什麼？大多數人如何處理這個問題？例如單詞mass。然後有時候一個部分詞也是不好的 - 假設foobar是一個非常褻瀆的詞，我可能想要禁止foobar和foobar *和* foobar。使用正則表達式（100字的列表）的褻瀆過濾器
那麼你把所有的單詞放到一個單一的表達式或通過列表循環？
什麼是解決它的正確方法？我正在使用Groovy/Grails，但歡迎任何現代語言例子。
(foobar|foobaz|...)然後把警衛分組兩側的多餘的字符
[^[email protected]#$%^&*]*(foobar|foobaz|foofii)[^[email protected]#$%^&*]*
此外，你可能會希望使用不區分大小寫的標誌，以便它可以匹配像FooBaz和fOObaR這樣的詞。
就性能而言，將它連接爲一個大的正則表達式可能是最快的（儘管我不是專家）。正則表達式算法在搜索&處理分支條件時非常高效。基本上，它一定比O(mn)（其中m是單詞的數量，n是你正在尋找的文字大小）
這是很解決一個難題，你需要確定是否正則表達式將工作爲你和你如何處理嵌入（當你添加一個字典詞的褻瀆像frackface除了真正的F字）。
正則表達式通常會限制它們可以使用多長時間，這通常會阻止您爲所有單詞使用單個正則表達式。針對字符串執行多個正則表達式非常慢，具體取決於您需要的性能以及黑名單的大小。我們最初實施CleanSpeak作爲正則表達式系統，但它沒有擴展，我們使用不同的機制重寫它。
您還需要考慮詞組，標點符號，空格，leet-speak和其他語言。所有這些使得正則表達式作爲解決方案的吸引力較小。下面是使用這個詞打招呼一些例子（假設這是這項工作的褻瀆）：
您還需要處理兩個或兩個以上字典（白名單）字詞在彼此相鄰時包含褻瀆的邊緣情況。包含S-詞的一些例子：
這些顯然不是褻瀆，但大部分自產自銷，許多商業解決方案與這些案件的問題。
我們花了3年的時間完善CleanSpeak所使用的過濾器，以確保它可以處理所有這些情況，並且我們會繼續調整並使其更好。我們還花了8個月的時間完善了我們的系統性能，每秒可以處理大約5,000條消息。並不是說你不能建立可用的東西，但要準備好處理很多可能出現的問題，並且要創建一個不使用正則表達式的系統。
檢查此鏈接：http://stackoverflow.com/questions/273516/how-do-you-implement-a-good-profanity-filter –
尋找斯坎索普問題：http：//en.wikipedia .ORG /維基/ Scunthorpe_problem – rossum