使用正则表达式替换坏词

我正在尝试创建一个坏词过滤器方法，我可以在每次插入和更新之前调用该方法来检查字符串中是否有任何坏词并替换为“[Censored]”。

我有一个 SQL 表，其中有一个坏词列表，我想将它们带回来并将它们添加到列表或字符串数​​组中，并检查已传入的文本字符串，如果发现任何坏词，请替换它们，返回过滤后的字符串。

我为此使用 C#。

在进行字符串替换而不考虑单词边界之前，请参阅这篇“clbuttic”（或针对您的情况的 cl[Censored]ic）文章：

http://www.codinghorror.com/blog/2008/10/obscenity-filters-bad-idea-or-incredible-intercoursing-bad-idea.html

Update

显然不是万无一失的（参见上面的文章 - 这种方法很容易绕过或产生误报......）或优化（正则表达式应该被缓存和编译），但以下将过滤掉整个单词（没有“clbuttics”） ) 和单词的简单复数形式：

const string CensoredText = "[Censored]";
const string PatternTemplate = @"\b({0})(s?)\b";
const RegexOptions Options = RegexOptions.IgnoreCase;

string[] badWords = new[] { "cranberrying", "chuffing", "ass" };

IEnumerable<Regex> badWordMatchers = badWords.
    Select(x => new Regex(string.Format(PatternTemplate, x), Options));

string input = "I've had no cranberrying sleep for chuffing chuffings days -
    the next door neighbour is playing classical music at full tilt!";

string output = badWordMatchers.
   Aggregate(input, (current, matcher) => matcher.Replace(current, CensoredText));

Console.WriteLine(output);

给出输出：

我已经[审查][审查]几天没有[审查]睡觉——隔壁邻居正在全速播放古典音乐！

请注意，“classical”不会变成“cl[Censored]ical”，因为整个单词都与正则表达式匹配。

Update 2

为了演示如何轻松地破坏这一点（以及一般的基本字符串\模式匹配技术），请参阅以下字符串：

“我已经好几天没睡过觉了——隔壁邻居正在全速演奏古典音乐！”

我已将“i”替换为土耳其小写不带点的“ı”。看起来还是蛮有攻击性的！