python - 什么是好的 Python 亵渎过滤器库？

Question

喜欢 https://stackoverflow.com/questions/1521646/best-profanity-filter ，但对于 Python — 我正在寻找可以在本地运行和控制自己的库，而不是 Web 服务。

(虽然很高兴听到您对脏话过滤原则的基本反对意见，但我并不是专门在这里寻找它们。我知道脏话过滤无法识别出所有伤害性的话。我知道发誓，在宏伟的计划，不是一个特别大的问题。我知道您需要一些人工输入来处理内容问题。我只想找到一个好的库，看看我能用它做什么。)

Answer 1

我没有找到任何 Python 亵渎库，所以我自己做了一个。

参数

---

过滤器列表

匹配禁用词的正则表达式列表。请不要使用\b，会根据inside_words插入。

示例: ['bad', 'un\w+']

ignore_case

默认值:真

不言自明。

替换

默认值:"$@%-?!"

一个字符串，其中包含将随机生成替换字符串的字符。

示例:"%&$?!" 或 "-" 等

完成

默认值:真

控制是否替换整个字符串或是否保留第一个和最后一个字符。

inside_words

默认值:假

控制是否也在其他单词中搜索单词。禁用此功能

模块源

---

(最后的例子)

"""
Module that provides a class that filters profanities

"""

__author__ = "leoluk"
__version__ = '0.0.1'

import random
import re

class ProfanitiesFilter(object):
    def __init__(self, filterlist, ignore_case=True, replacements="$@%-?!", 
                 complete=True, inside_words=False):
        """
        Inits the profanity filter.

        filterlist -- a list of regular expressions that
        matches words that are forbidden
        ignore_case -- ignore capitalization
        replacements -- string with characters to replace the forbidden word
        complete -- completely remove the word or keep the first and last char?
        inside_words -- search inside other words?

        """

        self.badwords = filterlist
        self.ignore_case = ignore_case
        self.replacements = replacements
        self.complete = complete
        self.inside_words = inside_words

    def _make_clean_word(self, length):
        """
        Generates a random replacement string of a given length
        using the chars in self.replacements.

        """
        return ''.join([random.choice(self.replacements) for i in
                  range(length)])

    def __replacer(self, match):
        value = match.group()
        if self.complete:
            return self._make_clean_word(len(value))
        else:
            return value[0]+self._make_clean_word(len(value)-2)+value[-1]

    def clean(self, text):
        """Cleans a string from profanity."""

        regexp_insidewords = {
            True: r'(%s)',
            False: r'\b(%s)\b',
            }

        regexp = (regexp_insidewords[self.inside_words] % 
                  '|'.join(self.badwords))

        r = re.compile(regexp, re.IGNORECASE if self.ignore_case else 0)

        return r.sub(self.__replacer, text)


if __name__ == '__main__':

    f = ProfanitiesFilter(['bad', 'un\w+'], replacements="-")    
    example = "I am doing bad ungood badlike things."

    print f.clean(example)
    # Returns "I am doing --- ------ badlike things."

    f.inside_words = True    
    print f.clean(example)
    # Returns "I am doing --- ------ ---like things."

    f.complete = False    
    print f.clean(example)
    # Returns "I am doing b-d u----d b-dlike things."