我们中的许多人需要处理用户输入，搜索查询以及输入文本可能包含亵渎性语言或不良语言的情况。通常，这需要被过滤掉。
在哪里可以找到各种语言和方言的脏话列表？
是否有可用于包含良好列表的源的 API？或者，一个API只是简单地说“是的，这是干净的”或“不，这是肮脏的”，带有一些参数？
有什么好方法可以抓住那些试图欺骗系统的人，比如a$$，azz或a55？
如果您提供PHP解决方案，则可获得奖励积分。:)
我认为这种过滤器有一席之地，例如，当用户可以使用公共图像搜索来查找添加到敏感社区池中的图片时。如果他们能搜索“阴茎”，那么他们可能会得到很多照片，是的。如果我们不想要这样的图片，那么阻止这个词作为搜索词是一个很好的守门人，尽管诚然，这不是一个万无一失的方法。首先获得单词列表是真正的问题。
因此，我实际上指的是一种方法，可以弄清楚单个令牌是否肮脏，然后简单地禁止它。我不会费心阻止像完全搞笑的“长颈长颈鹿”这样的情绪。你在那里无能为力。:)
此外，人们不能忘记Toontown的SpeedChat的不为人知的历史，即使使用“安全词白名单”也会导致一个14岁的孩子迅速绕过它：“我想把我的长颈长颈鹿放在你蓬松的白兔身上。
底线：最终，对于您实施的任何系统，绝对没有替代人工审查（无论是同行还是其他方式）的替代品。随意实现一个基本的工具来摆脱路过，但对于坚定的巨魔来说，你绝对必须有一个非基于算法的方法。
一个消除匿名性并引入问责制的系统（Stack Overflow做得很好）也是有帮助的，特别是为了帮助打击约翰·加布里埃尔（John Gabriel）的G.I.F.T。
你还问了在哪里可以获得亵渎性语言列表来让你入门 - 一个开源项目是Dansguardian - 查看其默认亵渎列表的源代码。您还可以为代理下载一个额外的第三方短语列表，这可能是一个有用的收集点。
编辑以回应问题编辑：感谢您对您要执行的操作的澄清。在这种情况下，如果您只是尝试执行简单的单词筛选，则有两种方法可以执行此操作。一种是使用您要审查的所有被禁止的短语创建一个长正则表达式，并且仅执行正则表达式查找/替换它。一个正则表达式，如：
$filterRegex = "(boogers|snot|poop|shucks|argh)"
并使用preg_match（）在输入字符串上运行它，以批量测试命中，
或 preg_replace（） 将它们清空。
您还可以使用数组而不是单个长正则表达式加载这些函数，对于长单词列表，它可能更易于管理。请参阅preg_replace（） 以获取有关如何灵活使用数组的一些很好的示例。
有关其他 PHP 编程示例，请参阅此页面，了解用于单词过滤的高级泛型类，该类 *是从被审查的单词中取出中心字母，以及之前的 Stack Overflow 问题，其中也有一个 PHP 示例（其中最有价值的部分是基于 SQL 的过滤单词方法 - 如果您发现没有必要，可以省去 leet-speak 补偿器）。
你还补充说：“首先获得单词列表是真正的问题”——除了之前的一些Dansgaurdian链接之外，你可能会发现这个方便的458个单词.zip很有帮助。
虽然我知道这个问题已经相当古老了，但这是一个常见的问题......
对亵渎性过滤器既有原因又有明显的需求（请参阅此处的维基百科条目），但由于非常明显的原因，它们通常不能100%准确;上下文和准确性。
这取决于（完全）你试图实现的目标 - 在最基本的层面上，你可能试图覆盖“七个肮脏的词”，然后一些......有些企业需要过滤最基本的亵渎：基本的脏话，URL甚至个人信息等等，但其他企业需要防止非法帐户命名（Xbox live就是一个例子）或更多...
用户生成的内容不仅包含潜在的脏话，还可能包含对以下内容的冒犯性引用：
而且可能以多种语言。到目前为止，Shutterstock已经开发了10种语言的基本脏词列表，但它仍然是基本的，并且非常面向他们的“标记”需求。网络上还有许多其他列表。
我同意公认的答案，即它不是一门明确的科学，因为语言是一个不断发展的挑战，但90%的捕获率优于0%。这完全取决于您的目标 - 您要实现的目标，您获得的支持水平以及删除不同类型的亵渎行为的重要性。
在生成筛选器时，需要考虑以下元素以及它们与项目的关系：
您可以轻松构建一个亵渎性语言过滤器，捕获90%以上的亵渎性语言，但您永远不会达到100%。这是不可能的。你越想达到100%，它就越难...我过去构建了一个复杂的亵渎引擎，每天处理超过50万条实时消息，我会提供以下建议：
基本筛选器将涉及：
一个中等复杂的文件管理器将涉及，（除了基本的过滤器）：
复杂的过滤器将涉及以下许多内容（除了中等过滤器）：
